Los avances tecnológicos llevan a replantear qué formaciones tendrán menor demanda en el mercado laboral, aunque las recomendaciones no sustituyen el juicio personal ni los intereses individuales.
Ciudad de México, México.
La inteligencia artificial está influyendo cada vez más en la orientación profesional y en la manera en que los jóvenes y los adultos que planean una carrera universitaria consideran sus opciones. Tras analizar tendencias de empleo, automatización de tareas y proyecciones de demanda laboral para 2026, distintos algoritmos de IA identificaron cinco campos de estudio que, según sus modelos, podrían enfrentar desafíos significativos en términos de oportunidades y retorno de inversión educativa. Estas recomendaciones se basan en datos agregados sobre automatización, cambio tecnológico y dinámicas sectoriales, aunque expertos señalan que las decisiones educativas deben considerar también factores personales, vocacionales y contextuales.
La primera de las áreas catalogadas como menos prometedoras por estos modelos corresponde a carreras centradas en tareas rutinarias y repetitivas que son altamente susceptibles de automatización. Profesiones que dependen en gran medida de procesos mecánicos o de entrada de datos estructurados pueden ver decrecer su demanda debido a la eficiencia creciente de sistemas automatizados. Esto incluye formación en áreas específicas de administración de oficina tradicional donde las funciones clave pueden ser sustituidas por software inteligente o asistentes virtuales capaces de gestionar flujos de trabajo sin intervención humana constante.
Otra área señalada es la de soporte técnico básico en tecnologías de la información. Aunque la tecnología sigue expandiéndose y la demanda de profesionales de TI es alta, el soporte técnico de primer nivel —centrado en solución de problemas rutinarios, reinicios de sistemas y asistencia básica de usuarios— está siendo parcialmente absorbido por asistentes automatizados con capacidad de diagnóstico y resolución de problemas a través de algoritmos de aprendizaje automático. Esto no implica que la formación en tecnología carezca de valor, sino que subraya la necesidad de especializaciones que vayan más allá de tareas repetitivas.
Carreras orientadas a producción y manufactura con procesos estandarizados fueron también incluidas en la lista de menor recomendación. La automatización industrial avanzada, los robots colaborativos y los sistemas de producción autoajustables reducen el peso de mano de obra humana en funciones que antes requerían formación técnica de nivel medio. En estos casos, los modelos de IA sugieren que los estudiantes consideren orientarse hacia especializaciones en mantenimiento avanzado de sistemas automatizados, robótica o gestión de procesos industriales, cursos que complementan mejor las expectativas de futuro del sector.
Un cuarto campo detectado con menor proyección es el de telecomunicaciones centrado en operación manual de redes tradicionales. La integración de inteligencia artificial en la gestión dinámica de redes, el despliegue de infraestructura 5G y la optimización automática de rutas de datos dejan menos espacio para roles estrictamente operativos. La recomendación de los modelos apunta a que la formación evolucione hacia programación de redes definidas por software, ciberseguridad o diseño e implementación de sistemas distribuidos, áreas percibidas como menos vulnerables a la automatización simple.
Finalmente, algunas variantes de estudios empresariales tradicionales que no incorporan componentes analíticos o tecnológicos robustos fueron identificadas como menos favorables según las proyecciones de IA. Carreras generales de administración sin orientación estratégica, análisis de datos o competencias digitales específicas pueden enfrentar un mercado laboral más competitivo con menores ventajas comparativas. La recomendación en estos casos es que los estudiantes integren formación complementaria en análisis de datos, gestión de proyectos tecnológicos o negocios digitales para mejorar su empleabilidad.
Estas recomendaciones basadas en modelos de aprendizaje automático no son determinantes ni predicen de forma absoluta qué ocurrirá en el mercado laboral. La inteligencia artificial identifica patrones a partir de datos existentes, pero los contextos regionales, las políticas públicas, la innovación empresarial y los cambios socioculturales pueden reconfigurar rápidamente la demanda de habilidades. Por ello, profesionales de la educación y orientadores vocacionales recomiendan que estas proyecciones se utilicen como uno de varios insumos al momento de definir una trayectoria académica.
Además, las carreras consideradas menos prometedoras en los modelos actuales podrían evolucionar o reinventarse con el tiempo. La capacidad de adaptación, el aprendizaje continuo y la adquisición de habilidades complementarias son factores que pueden transformar la proyección de cualquier formación. El énfasis en el pensamiento crítico, la creatividad y la resolución de problemas complejos —competencias difíciles de automatizar— sigue siendo una constante en las predicciones sobre empleabilidad a largo plazo.
Elegir una carrera universitaria es una decisión multifactorial que involucra intereses personales, habilidades, valores y proyecciones económicas. Aunque la inteligencia artificial ofrece una mirada basada en tendencias y datos, no reemplaza la reflexión individual ni la asesoría profesional humana. Una decisión informada combina múltiples perspectivas para equilibrar expectativas con realidades personales y sociales.
Detrás de cada dato, hay una intención. Detrás de cada silencio, una estructura.
Behind every data point, there is an intention. Behind every silence, a structure.