Si estás decidiendo tu próximo paso en IA, hay dos títulos que aparecen todo el tiempo en las vacantes de LATAM y que mucha gente usa como si fueran lo mismo: AI Engineer y AI Solution Architect. No lo son. Trabajan sobre el mismo producto, pero en capas distintas, y confundirlos te puede costar meses preparándote para el puesto equivocado.
No compiten: ocupan capas distintas del mismo problema
La forma más rápida de entender la diferencia es pensar en una casa. El AI Engineer es quien la construye: levanta las paredes, conecta las tuberías, se asegura de que todo funcione. El AI Solution Architect es quien hizo los planos: decidió cuántos pisos, dónde van las cañerías, qué materiales aguantan el clima y cuánto va a costar mantenerla.
En una empresa real eso se traduce en algo muy concreto. Cuando el área de negocio pide "un asistente que responda sobre nuestros contratos", alguien tiene que decidir qué modelo usar, dónde se guardan los embeddings, cómo se controla que no filtre información entre áreas y cuánto va a costar al mes con el volumen esperado. Esas decisiones son de arquitectura. Después, alguien escribe el código que las implementa. Esa es la ingeniería.
Qué hace cada uno en el día a día
AI Engineer: construye y hace que funcione
Su trabajo se mide en cosas que corren. Un día típico incluye:
- ▸Escribir el pipeline de RAG: chunking, embeddings, búsqueda y el prompt que arma la respuesta.
- ▸Integrar el modelo con las APIs internas y las herramientas que el agente necesita llamar.
- ▸Evaluar: armar los casos de prueba y medir si la nueva versión responde mejor o peor que la anterior.
- ▸Desplegar y monitorear: latencia, costo por consulta, errores y comportamiento raro en producción.
AI Solution Architect: decide cómo se construye
Su trabajo se mide en decisiones que el resto del equipo va a vivir durante años:
- ▸Elegir el enfoque: ¿esto se resuelve con RAG, con fine-tuning, con un agente o con reglas y nada de IA?
- ▸Definir la plataforma: qué proveedor cloud, qué se corre gestionado y qué se corre propio, cómo se orquesta y cómo se observa.
- ▸Poner las reglas: quién accede a qué datos, qué queda auditado, cómo se cumple con la normativa del sector.
- ▸Responder por el costo: estimar el gasto a escala y defender ante la dirección por qué conviene esa arquitectura y no otra.
La pregunta que separa los dos roles: ¿te piden que funcione, o te piden que decidas cómo debería funcionar?
Cuál te conviene según dónde estás hoy
Si programas pero todavía no has puesto nada con LLMs en producción, el camino es AI Engineer. Necesitas haber construido: un RAG que funcione, un agente que llame herramientas, una evaluación que te diga si mejoraste. Esa es la base que cubre la ruta AI Engineer, y sin ella no hay arquitectura que valga: nadie puede diseñar bien un sistema que nunca construyó.
Si ya llevas uno o dos proyectos de IA en producción y el cuello de botella dejó de ser técnico —ahora te frenan el costo, la seguridad de los datos o convencer a un comité—, el siguiente escalón es arquitectura. La ruta AI Solution Architect cubre justo eso: estrategia de IA y cloud, patrones de solución con LLMs, la plataforma (MLOps, orquestación, observabilidad) y la capa de governance, seguridad y control de costos.
Cómo se da el salto de construir a diseñar
Casi nadie salta directo. El paso intermedio más común es volverse la persona que lleva un producto de IA de punta a punta: la que escribe la especificación, decide la arquitectura de agentes, la construye y la despliega. Ese perfil completo es el que forma la ruta AI Agentic Engineer, y es el puente natural: ya no solo ejecutas tickets, pero todavía tienes las manos en el código.
Tres hábitos aceleran ese tránsito: documentar por qué elegiste cada pieza (no solo qué elegiste), meterte en la conversación de costos antes de que te la impongan, y aprender a explicarle a alguien de negocio qué puede y qué no puede hacer un sistema de IA. Las tres son habilidades de arquitecto que puedes practicar desde tu puesto actual.
¿Quieres dar el siguiente paso?
En DataPath puedes recorrer las dos capas con instructores que trabajan en la industria: la ruta AI Solution Architect si vas por el diseño de soluciones a escala empresarial, o la ruta AI Engineer si todavía te falta la base de construcción. Y si prefieres armar tu propio camino, revisa el catálogo completo de cursos.
