Tecnología y lingüística
La intersección entre tecnología y lingüística
La inteligencia artificial está acercando lenguaje, datos y tecnología. Y con ello aparecen nuevas profesiones, nuevas competencias y nuevos perfiles híbridos.
El futuro no pertenece solamente a quienes entienden la tecnología. También a quienes saben conectar la tecnología con las personas.
01
Cuando el lenguaje se convierte en interfaz
Durante mucho tiempo, tecnología y lingüística parecían pertenecer a mundos diferentes.
Por un lado estaban los programadores, ingenieros y especialistas en datos.
Por otro, los lingüistas, traductores, escritores, filólogos y profesionales de la comunicación.
La inteligencia artificial está haciendo que esa frontera sea mucho menos clara.
Hoy una máquina puede resumir un documento jurídico, traducir una conversación, analizar miles de comentarios de clientes, generar código a partir de una instrucción escrita o mantener una conversación prácticamente natural.
Y cuanto mejor entiende la tecnología el lenguaje humano, más importante se vuelve entender cómo funciona ese lenguaje.
La verdadera novedad quizá no sean únicamente las profesiones nuevas.
También son las nuevas intersecciones entre disciplinas que antes trabajaban por separado.
El lenguaje ya no es solamente contenido. También se está convirtiendo en una interfaz tecnológica.
02
La lingüística también entra en la ingeniería
La lingüística computacional no nació con ChatGPT.
Es un campo que existe desde hace décadas y combina lingüística, informática, estadística, inteligencia artificial y procesamiento del lenguaje natural.
Sus aplicaciones incluyen el análisis y la generación de lenguaje, la traducción automática, los sistemas de voz, la búsqueda de información, la clasificación de textos, la extracción de información y la evaluación de modelos.
La Association for Computational Linguistics mantiene una comunidad científica y profesional internacional dedicada a este campo, y en 2026 la propia asociación está abordando explícitamente cómo los grandes modelos de lenguaje están transformando el trabajo y las profesiones.
Un buen sistema lingüístico no necesita solamente buenos programadores.
Necesita también personas que entiendan cómo se comporta el lenguaje, qué significa una expresión en un determinado contexto y qué puede perderse cuando una máquina transforma una intención humana en datos.
Una máquina puede procesar palabras. Comprender por qué elegimos unas palabras y no otras es otra cuestión.
03
Los datos necesitan personas que sepan interpretarlos
Durante años hablamos de big data como si disponer de enormes cantidades de información fuera suficiente.
No lo es.
Hay que saber qué contienen los datos, cómo están estructurados, cómo se han etiquetado, qué calidad tienen, qué sesgos pueden contener y qué idiomas representan.
Esto aumenta la importancia de perfiles como data analysts, data scientists, data curators, data annotators, language-data specialists y AI evaluation specialists.
Muchos de estos trabajos no son completamente nuevos. Son evoluciones de profesiones existentes.
Lo que ha cambiado es el contexto.
El U.S. Bureau of Labor Statistics proyecta un crecimiento del 35 % para los data scientists entre 2025 y 2035, muy por encima del crecimiento previsto para el conjunto de las ocupaciones.
Y la dimensión lingüística también se está profesionalizando. ISO está desarrollando ISO/IEC TS 26320, un proyecto centrado en principios y métodos para desarrollar y mantener corpus utilizados en sistemas de procesamiento del lenguaje natural y en evaluar su calidad.
Los datos lingüísticos ya no son solamente materia prima. Se están convirtiendo en infraestructura.
04
Prompt engineering: ¿profesión o competencia?
Pocos términos se han popularizado tanto como “prompt engineer”.
La idea parece sencilla: una persona especializada en escribir instrucciones para modelos de inteligencia artificial.
Pero la realidad es bastante más interesante.
Un estudio de 2025 analizó 20.662 ofertas de empleo relacionadas con IA en LinkedIn y encontró solo 72 puestos cuyo título exacto era “Prompt Engineer”. Era menos del 0,5 % de la muestra analizada.
Esto no significa que el prompt engineering sea una moda vacía.
Puede significar algo más interesante: que el prompting está pasando de ser una función independiente a convertirse en una competencia integrada en muchas profesiones.
Un diseñador utiliza prompts.
Un analista de datos también.
Un investigador.
Un programador.
Un profesional de marketing.
Un lingüista.
Un diseñador de producto.
Un profesor.
La capacidad importante no consiste en conocer una fórmula mágica para escribir el prompt perfecto.
Consiste en comprender el problema, proporcionar contexto, establecer criterios, comprobar resultados y detectar cuándo una respuesta de IA no es suficientemente buena.
El prompt es una herramienta. El criterio sigue siendo humano.
05
Nuevos perfiles entre personas y máquinas
A medida que la tecnología se vuelve más compleja, aumenta la necesidad de personas capaces de conectar distintas formas de pensar.
Una empresa tiene un problema.
El usuario lo explica con sus propias palabras.
El diseñador piensa en experiencia.
El desarrollador piensa en arquitectura.
El analista piensa en datos.
El modelo de IA trabaja con patrones.
Alguien tiene que conseguir que todos esos mundos se entiendan.
Aquí aparecen o evolucionan perfiles como AI product specialist, conversation designer, AI trainer, AI evaluator, knowledge engineer, language technology specialist y AI implementation specialist.
Algunos son títulos profesionales que ya se utilizan.
Otros son funciones que están apareciendo dentro de puestos existentes.
No todos tendrán necesariamente el mismo nombre dentro de cinco años.
Pero comparten una característica importante:
trabajan entre disciplinas.
Las nuevas profesiones no siempre nacen de una disciplina nueva. Muchas nacen cuando dos disciplinas empiezan a trabajar juntas.
06
Diseñar conversaciones también es diseñar interfaces
Los chatbots y asistentes de IA han convertido la conversación en una nueva forma de interfaz.
Un sistema conversacional tiene voz, reglas, límites, errores y estados.
Tiene que saber cuándo preguntar, cuándo explicar, cuándo reconocer que no sabe algo y cuándo dejar de hablar.
Diseñar estas conversaciones combina lingüística, UX, psicología cognitiva, producto y tecnología.
La conversación también puede diseñarse.
Y cuanto más utilicemos interfaces basadas en lenguaje, más importante será pensar cuidadosamente en cómo hablan y responden las máquinas.
No se trata únicamente de conseguir que una respuesta sea gramatical.
Se trata de conseguir que sea útil, adecuada, clara y coherente con el contexto.
Cuando una conversación se convierte en interfaz, las palabras también forman parte del diseño.
07
La evaluación empieza a ser tan importante como la generación
Generar una respuesta es relativamente fácil.
Determinar si esa respuesta es realmente buena es mucho más difícil.
¿Es correcta?
¿Es relevante?
¿Es segura?
¿Es demasiado larga?
¿Está adaptada al público?
¿Funciona igual en varios idiomas?
¿Comprende una expresión regional?
¿Da resultados consistentes cuando la misma pregunta se formula de otra manera?
En 2026, NIST lanzó su programa Artificial Intelligence Technology Evaluation, destinado a evaluar modelos de IA con datos de prueba reservados, tareas diversas y métricas comunes.
ISO también está desarrollando métodos específicos para evaluar la calidad de los sistemas de procesamiento del lenguaje natural.
Esto muestra un cambio importante.
La pregunta ya no es solamente:
“¿Puede hacerlo?”
La pregunta es:
“¿Cómo sabemos que lo hace bien?”
Generar es solo una parte del trabajo. Evaluar bien puede ser todavía más difícil.
08
El futuro también es multilingüe
Una IA puede funcionar muy bien en inglés y ser menos consistente en otro idioma, incluso cuando su gramática parece correcta.
Las lenguas no son simplemente diccionarios diferentes.
Cambian la estructura, el registro, la cortesía, la ironía, el humor, las referencias culturales y las convenciones profesionales.
También cambia la cantidad y la calidad de los datos disponibles para entrenar y evaluar sistemas.
UNESCO ha advertido sobre el riesgo de que los sistemas entrenados principalmente con lenguas dominantes reproduzcan jerarquías lingüísticas y reduzcan diversidad cuando deberían aprender de ella.
Por eso, la IA multilingüe necesita algo más que traducción automática.
Necesita conocimiento lingüístico y cultural.
Para quien domina varios idiomas y además entiende tecnología, esta combinación puede convertirse en una ventaja profesional muy importante.
Traducir palabras no siempre significa trasladar significado.
09
Conocimiento + tecnología + criterio
El World Economic Forum identifica AI and big data entre las habilidades de crecimiento más rápido hacia 2030, pero también destaca el pensamiento analítico, el pensamiento creativo, la flexibilidad, la resiliencia y el aprendizaje continuo.
Es una combinación importante.
No todo el mundo tiene que convertirse en programador.
Tampoco todo el mundo tiene que convertirse en lingüista.
Las oportunidades aparecen precisamente en las intersecciones.
Lingüística + IA.
Diseño + datos.
UX + conversación.
Investigación + automatización.
Comunicación + modelos.
Tecnología + cultura.
Y la IA está creando una paradoja interesante: cuanto mejor se vuelve generando resultados, más importante puede ser la capacidad humana de distinguir una respuesta aceptable de una realmente buena.
La ventaja no será simplemente utilizar IA. Será saber qué hacer con ella, cómo comprobarla y cuándo cuestionarla.
10
Las profesiones están empezando a mezclarse
Quizá no estemos creando únicamente nuevas profesiones.
Quizá estamos creando nuevas intersecciones.
Lenguaje y programación.
Datos y comunicación.
Diseño e inteligencia artificial.
Lingüística y machine learning.
UX y conversación.
Investigación y automatización.
Tecnología y cultura.
La Association for Computational Linguistics ya estudia explícitamente la relación entre los grandes modelos de lenguaje, la automatización de tareas y la transformación del trabajo.
En paralelo, investigaciones sobre ofertas de empleo están empezando a utilizar modelos lingüísticos para detectar nuevas habilidades que aparecen en los mercados laborales.
Esto apunta a una realidad que ya podemos observar:
Las fronteras profesionales se están volviendo más permeables.
Algunas profesiones desaparecerán.
Muchas cambiarán.
Otras todavía no tienen nombre.
Pero una habilidad aparece una y otra vez:
saber trabajar entre mundos.
11
La tecnología aprende nuestro lenguaje. Nosotros tenemos que aprender a trabajar con ella.
Stanford HAI informa de que la adopción organizativa de IA alcanzó el 88 % en 2025 entre las organizaciones encuestadas y que la IA generativa ya se utilizaba en al menos una función empresarial en el 70 % de ellas.
Eso significa que saber utilizar una herramienta de IA probablemente dejará de ser una ventaja rara.
Lo que marcará la diferencia será lo que viene después.
Hacer mejores preguntas.
Estructurar la información.
Detectar errores.
Aportar contexto.
Construir procesos.
Evaluar resultados.
Colaborar con especialistas de otras disciplinas.
Y, sobre todo, saber cuándo no confiar en la respuesta.
La tecnología está aprendiendo a entender cada vez mejor nuestras palabras.
Ahora nosotros tenemos que aprender a entender mejor la tecnología.
No para hablar como máquinas.
Sino para conseguir que las máquinas trabajen mejor con nosotros.
12
Fuentes
Stanford HAI — 2026 AI Index Report.
World Economic Forum — Future of Jobs Report 2025.
U.S. Bureau of Labor Statistics — Data Scientists, Occupational Outlook Handbook.
Association for Computational Linguistics — Future of Work in the Age of LLMs y recursos de investigación en lenguaje computacional.
Vu, An & Oppenlaender, Jonas — Prompt Engineer: Analyzing Hard and Soft Skill Requirements in the AI Job Market.
ISO/IEC — Corpus development and maintenance for natural language processing systems, ISO/IEC AWI TS 26320.
NIST — Artificial Intelligence Technology Evaluation (AITE).
UNESCO — trabajos sobre IA, justicia lingüística y diversidad de lenguas.
Una nueva frontera profesional
Tecnología para procesar.
Lenguaje para comunicar.
Datos para comprender.
Criterio humano para decidir.
Las profesiones del futuro pueden tener nombres que todavía no conocemos. Lo que sí conocemos es dónde empiezan a aparecer: en las intersecciones.
