El «profesional en forma de T» ha muerto. Viva el «operador nativo en IA».
Durante la última década, el patrón de oro en la contratación fue el «profesional de marketing en forma de T»: alguien con conocimientos amplios de todos los canales y una gran especialización en uno (como el SEO o el PPC).
En 2026, ese modelo ha quedado prácticamente obsoleto.
La rápida maduración de la IA generativa y de los flujos de trabajo agénticos en los últimos tres años ha comprimido la «T». La profundidad vertical que antes costaba cinco años adquirir (escribir consultas SQL complejas, programar plantillas de email en HTML, realizar auditorías técnicas de SEO o analizar modelos de regresión) puede sintetizarla ahora en segundos un gran modelo de lenguaje (LLM) especializado, siempre que quien opera sepa cómo diseñar la petición.
Ya no contratamos solo a profesionales de marketing. Entramos en la era del operador nativo en IA.
Un profesional de marketing nativo en IA en 2026 no es simplemente alguien que paga ChatGPT Plus. Es alguien que ve cada tarea repetitiva como un fallo de diseño del sistema. No se pregunta: «¿Cómo escribo esta entrada de blog?». Se pregunta: «¿Cómo diseño un flujo de trabajo recurrente que investigue, redacte y dé formato a 50 entradas de blog a la semana a partir de nuestros datos propios?»
Para fundadores y CMO, este cambio exige reiniciar por completo los criterios de contratación. Si siguen contratando con descripciones de puesto de 2023, que priorizan la ejecución manual sobre el pensamiento arquitectónico, acabarán con un equipo lento y caro al que aplastará la competencia, que trabaja a una velocidad diez veces mayor con la mitad de la plantilla.
Esta guía es su manual de selección de personal para la era algorítmica. Desglosaremos el nuevo organigrama, las competencias imprescindibles (que van más allá del «prompt engineering» básico hasta la «orquestación de modelos») y las «señales de alerta» concretas que debe evitar para sobrevivir a la siguiente fase de la evolución digital.
Parte 1: definir «nativo en IA» (frente a «consciente de la IA»)
Antes de publicar una oferta de empleo hay que entender la distinción entre «consciente de la IA» y «nativo en IA». En 2026, casi todas las candidaturas son conscientes de la IA. Muy pocas son realmente nativas en IA.
La candidatura consciente de la IA (la contratación heredada)
- Comportamiento: usa la IA como ayudante. Puede usar Claude para buscar ideas de titulares o ChatGPT para reescribir un email rígido. Trata la IA como un Google algo más listo.
- Mentalidad: «La IA me ayuda a hacer mi trabajo actual un poco más rápido». Sigue haciendo el mismo trabajo que en 2022, solo que con un corrector ortográfico con esteroides.
- Resultado: mejoras lineales de productividad (10-20 %). Escribe 1,2 artículos al día en lugar de 1.
- Señal en el currículum: «Conocimientos de herramientas (en inglés) de IA», «he usado ChatGPT para generar ideas».
La candidatura nativa en IA (la contratación de crecimiento)
- Comportamiento: usa código y lógica para encadenar LLM. Construye GPT personalizados o scripts de Python para tareas concretas. Automatiza la limpieza de datos antes del análisis. Entiende de forma intuitiva las «ventanas de contexto» y la «generación aumentada por recuperación (RAG)».
- Mentalidad: «La IA me permite redefinir en qué consiste mi trabajo». Intenta de forma activa automatizar sus propias responsabilidades actuales para poder centrarse en una estrategia de más alto nivel.
- Resultado: mejoras exponenciales de productividad (500-1000 %). No escribe artículos; construye motores que producen bibliotecas de contenidos.
- Señal en el currículum: «Construí un pipeline de contenidos automatizado con la API de OpenAI y Zapier», «orquesté un sistema multiagente para el lead scoring».
El mandato de contratación: no contrate candidaturas conscientes de la IA para puestos de liderazgo o estratégicos. Se limitarán a asfaltar los caminos de siempre. Hay que contratar candidaturas nativas en IA, que construirán autopistas nuevas.
Parte 2: el nuevo organigrama, roles reimaginados para 2026
La estructura de marketing tradicional (redactor, diseñador, especialista en SEO, estratega) es ineficiente porque la IA desdibuja los límites entre ejecución y estrategia. Una persona redactora que no sabe analizar datos está limitada. Una analista de datos que no sabe generar narrativa está limitada. La IA tiende un puente entre ambas carencias.
Estos son los tres roles centrales del equipo de marketing nativo en IA moderno.
1. El AI Content Editor (antes: redactor sénior)
- El cambio: escribir desde cero ya no es la competencia principal. Lo son editar y verificar datos.
- El mandato: orquestar el «Hybrid Loop». Gestionar los resultados de los agentes de IA, aportar la voz de marca, verificar los datos (E-E-A-T) y garantizar el Information Gain.
- Competencia clave: la edición adversarial. La capacidad de mirar una frase fluida generada por IA y detectar la alucinación sutil o la paja genérica.
- KPI: velocidad de producción de contenidos (activos por semana) más tasa de exactitud.
2. El Marketing Systems Architect (antes: marketing operations o perfil generalista)
- El cambio: en lugar de montar campañas o sacar informes a mano, este rol construye la infraestructura que lo hace.
- El mandato: conectar las herramientas. Construir los flujos de Zapier o Make.com que llevan los datos del CRM a la IA y de ahí a la plataforma de email.
- Competencia clave: lógica low-code. No necesita ser ingeniero de software, pero sí entender las API, los webhooks y la lógica booleana.
- KPI: el «tiempo ahorrado» en toda la organización.
3. El Data Storyteller (antes: analista de SEO)
- El cambio: la recogida de datos está automatizada. El cuello de botella es el análisis.
- El mandato: usar el Code Interpreter y Python para extraer conclusiones de grandes conjuntos de datos (GSC, archivos de log). Convertir los datos en bruto en una estrategia narrada para el comité de dirección.
- Competencia clave: prompt engineering para datos. Saber pedirle a un LLM que «encuentre la anomalía en este CSV».
- KPI: velocidad de obtención de conclusiones (tiempo de los datos a la decisión).
Parte 3: por qué el «prompt engineering» no es negociable
En 2023 se vendió el prompt engineering como un «puesto de futuro». En 2025 no es un puesto. Es un requisito de alfabetización, como saber escribir a máquina o usar el correo electrónico.
Si una persona de SEO no sabe formular prompts, no puede trabajar.
No se trata de «palabras mágicas»
Contratar por prompt engineering no consiste en buscar a alguien que conozca «trucos». Consiste en encontrar a alguien que entienda la física de los LLM.
Qué buscar:
- Conciencia de la ventana de contexto: ¿entiende la candidatura que el modelo olvida el principio de una conversación larga? ¿Sabe resumir el contexto para mantener limpio el «estado»?
- Lógica de cadena de pensamiento (CoT): ¿sabe descomponer un problema complejo?
- Prompt malo: «Escribe una estrategia para un SaaS B2B».
- Prompt bueno: «Actúa como CMO. Primero, analiza la audiencia objetivo. Segundo, enumera sus puntos de dolor. Tercero, relaciona esos puntos con nuestras funcionalidades. Por último, escribe la estrategia a partir de ese mapa».
- Refinamiento iterativo: un profesional de marketing nativo en IA nunca acepta el primer borrador. Trata al LLM como a una persona junior y le da ciclos de retroalimentación («Demasiado pasivo, inténtalo de nuevo», «Esta vez cita las fuentes»).
La prueba: durante la entrevista, entregue a la persona candidata un portátil con ChatGPT abierto. Plantéele una tarea vaga. Observe cómo formula los prompts. ¿Lo trata como a Google (una sola consulta)? ¿O como a un colega (conversación e iteración)?
Parte 4: señales de alerta en el currículum (las señales heredadas)
Al filtrar currículums para su equipo de marketing nativo en IA hay que desaprender viejos hábitos. Algunas señales que antes parecían de perfil «sénior» ahora parecen «obsoletas».
🚩 Señal de alerta 1: «Dirijo un equipo de 10 redactores».
- Por qué es mala: en 2025, el número de personas en plantilla es un pasivo, no un activo. Un líder que presume de dirigir un equipo humano numeroso puede ser reacio a la automatización que sustituye a ese equipo.
- La señal mejor: «Dirigí un motor de contenidos que producía 100 activos al mes con 2 editores y un stack de IA».
🚩 Señal de alerta 2: «Me especializo en artículos de blog de 2.000 palabras».
- Por qué es mala: la extensión ya no es un indicador de calidad. La IA genera extensión al instante.
- La señal mejor: «Me especializo en contenidos basados en datos y en investigación propia» (Information Gain).
🚩 Señal de alerta 3: «Dominio de Microsoft Excel».
- Por qué es mala: es demasiado básico.
- La señal mejor: «Dominio de Python para análisis de datos» o «experto en SQL y Looker Studio». El profesional de marketing moderno necesita estar más cerca del código.
Parte 5: la estrategia de entrevista con «piloto en vivo»
No se puede evaluar a un profesional de marketing nativo en IA con una entrevista verbal. Hay que verle pilotar la máquina.
En kōdōkalabs utilizamos la «Black Box Task» en nuestro proceso de selección.
La tarea
«Aquí tiene la transcripción en bruto de la grabación de un pódcast de una hora (datos de un cliente). Aquí tiene un Google Doc en blanco. Dispone de 20 minutos. Cree a partir de esta transcripción un carrusel de LinkedIn, una entrada de blog optimizada para SEO y un resumen para la newsletter».
La evaluación:
- La candidatura heredada: empieza a leer la transcripción. Empieza a escribir a mano. No logra terminar ni un solo activo.
- La candidatura nativa en IA:
- Sube la transcripción a Claude o GPT.
- Prompt: «Extrae las 3 ideas principales».
- Prompt: «Redacta la estructura de una entrada de blog a partir de la idea 1».
- Prompt: «Convierte la idea 2 en el texto de una presentación».
- Edita el resultado.
- Termina los tres activos en 15 minutos.
Esta es la única prueba que importa. Demuestra que entiende el efecto palanca.
Parte 6: retener el talento nativo en IA
Una vez contratado, ¿cómo se conserva? El talento nativo en IA se aburre con facilidad. Detesta el trabajo repetitivo y pesado (por eso aprendió IA).
- La política de «cero trabajo pesado»: prométales que, si una tarea es repetitiva, pueden construir una herramienta para automatizarla (y que se les financiará).
- Autonomía de presupuesto para herramientas: dé a cada persona una tarjeta corporativa con un límite de 450 € al mes para herramientas de IA. No les haga rellenar un formulario de pedido de compra para probar un SaaS nuevo de 18 €. La velocidad es su moneda.
- Gestión por resultados: no gestione sus horas. Si construyen un bot que hace en 4 horas su trabajo de 40, no les castigue con más trabajo. Recompénseles con una bonificación y deje que dediquen el tiempo libre a investigar el siguiente avance.
Conclusión: construir una máquina, no un pueblo
El modelo del «pueblo» en el marketing, en el que hace falta un pueblo entero para sacar adelante una campaña, se ha acabado. Ha llegado el modelo de la «máquina».
Un equipo de marketing nativo en IA es un pequeño grupo de pilotos de élite que operan una flota enorme de agentes automatizados. Cuestan menos. Se mueven más rápido. Cometen menos errores.
Pero exigen otro tipo de líder. Exigen un líder que valore la arquitectura por encima de la actividad.
Si mira hoy a su equipo de marketing y ve a gente tecleando sin parar en Google Docs todo el día, ya va por detrás. El teclado es el carril lento. El prompt es el carril rápido.
¿Está listo para contratar a sus pilotos?
Ver nuestras plantillas de descripciones de puesto para roles de IA