Cada vez que publico sobre salarios de AI Engineers en LATAM, la pregunta que llega por DM es la misma: "¿Y cuánto gana uno que construye agentes?" El AI Agentic Engineer no es el AI Engineer de hace dos años. Es un perfil que existe con ese nombre desde hace menos de 24 meses, con demanda que creció antes de que las empresas supieran cómo ponerlo en un aviso de trabajo. Y los salarios ya lo reflejan.
Los números que presento a continuación vienen de tres fuentes: ofertas de LinkedIn y Glassdoor LATAM con descripción de requisitos de agentes IA, encuestas de comunidades de Python e IA en Discord y Slack (2025-2026), y los datos que veo directamente en egresados de DataPath que consiguieron trabajo en los últimos doce meses. No son cifras de Silicon Valley ajustadas a la baja: son rangos regionales reales.
Qué hace exactamente un AI Agentic Engineer (el perfil real, no el de LinkedIn)
No entrena modelos —eso es el ML Engineer. No hace solo fine-tuning o evaluación de benchmarks. El AI Agentic Engineer diseña, construye y mantiene sistemas donde múltiples agentes de IA trabajan en cadena: toman decisiones, llaman herramientas externas, manejan errores sin intervención humana y mantienen estado entre conversaciones o tareas.
En la práctica: LangGraph para la orquestación stateful, CrewAI para workflows multi-agente con roles definidos, integración con APIs de LLMs (Claude, GPT, DeepSeek, Gemini), sistemas de memoria y recuperación (RAG), herramientas de evaluación y monitoreo en producción. La mitad del trabajo es debugging de comportamientos no determinísticos. La otra mitad es arquitectura: decidir cuántos agentes necesitas, qué modelo le pones a cada uno y cómo manejas los fallos.
Tiene más de backend developer que de data scientist. Eso es relevante para entender los salarios.
Salarios reales en LATAM 2026: rangos por nivel y país
Junior: 0-12 meses de experiencia con agentes
El junior que entra primero es quien demuestra proyectos concretos: un agente de WhatsApp funcionando en producción, un RAG con LangGraph que alguien realmente usa, un workflow multi-agente con CrewAI que automatizó algo real. Nadie contrata "junior que estudió agentes"; contratan "junior que ya construyó uno aunque sea pequeño".
- ▸Perú: S/. 4,000–6,500 al mes (empresa local). S/. 5,500–8,000 si el rol es remoto para empresa extranjera.
- ▸Colombia: COP 4.5M–7M. El rango sube a COP 7M–10M para posiciones remote-first de startups tech.
- ▸México: MXN 20,000–35,000. Para roles en dólares con empresa global: $1,200–2,000 USD al mes.
- ▸Chile: CLP 1.3M–2.1M. El piso sube rápido en Santiago para quien tiene proyectos demostrables.
- ▸Argentina (rol remoto en USD): $800–1,500 USD al mes. El peso oscila, pero los roles dolarizados son frecuentes para este perfil.
Mid: 1-3 años con proyectos en producción
El salto de junior a mid no es cuestión de tiempo: es haber tenido un agente fallar en producción y haberlo arreglado. El perfil mid sabe diseñar checkpoints de estado, manejar interrupciones y reintentos, versionar prompts de forma que los cambios no rompan el comportamiento esperado, y auditar el razonamiento de un agente con logs reales. También sabe cuándo el problema no es el modelo sino el contexto que le estás pasando.
- ▸Perú: S/. 7,500–13,000 al mes. Para posiciones en USD remoto: $2,200–3,800.
- ▸Colombia: COP 9M–15M. Remoto USD: $2,500–4,000 al mes.
- ▸México: MXN 40,000–65,000. Remoto para empresa global: $2,500–4,500 USD.
- ▸Chile: CLP 2.5M–3.8M.
Senior / Agentic Lead: más de 3 años o proyectos de alta complejidad
El senior diseña la arquitectura completa: qué modelos usar en qué nodos, cómo manejar el estado en sistemas distribuidos, cómo estimar y reducir el costo por run sin sacrificar calidad, cómo estructurar las evaluaciones de comportamiento y qué métricas importan en producción. También lidera al equipo que mantiene los agentes vivos día a día.
- ▸Perú: S/. 14,000–22,000 al mes. Remoto USD: $4,500–7,000.
- ▸Colombia: COP 16M–25M. Remoto: $4,500–8,000 USD.
- ▸México: MXN 70,000–110,000. Remoto USD: $5,000–9,000 al mes para líderes técnicos en empresas globales.
- ▸Chile: CLP 4M–6.5M.
Las herramientas que más rápido suben el sueldo
- ▸LangGraph: el estándar de facto para agentes stateful en producción. Saber diseñar grafos con nodos, edges condicionales y manejo de estado es lo que más diferencia al mid del junior en una entrevista técnica.
- ▸CrewAI: el favorito para sistemas multi-agente con roles, tareas y jerarquías definidas. Quien sabe crear Crews con herramientas personalizadas ya sobresale en los procesos de selección.
- ▸Frameworks de evaluación (LangSmith, Braintrust, Weights & Biases): quien los domina parece senior aunque tenga un año de experiencia. Las empresas que ya tienen agentes en producción los buscan urgente.
- ▸Multi-LLM routing: saber orquestar DeepSeek para volumen, Claude para razonamiento y GPT para integraciones —en el mismo sistema— es una habilidad escasa y muy bien pagada.
- ▸n8n para prototipado: muchos Agentic Engineers prototipen primero en n8n antes de migrar a código. Ahorra semanas de desarrollo y te da un prototipo que los stakeholders pueden ver funcionar desde el día 1.
Lo que nadie te dice del mercado en 2026
Las empresas todavía no saben distinguir entre un AI Engineer y un AI Agentic Engineer al redactar el aviso. Ves "AI Engineer" o "ML Engineer" en el título, pero en la descripción piden LangGraph, sistemas multi-agente, deployment de agentes en producción y evaluación de comportamiento. Busca en las responsabilidades, no en el título. Esa discrepancia también explica por qué muchos Agentic Engineers están cobrando el sueldo de un backend senior —o menos— porque nadie los benchmarkeó correctamente al contratar.
El otro patrón que he visto: los primeros en llegar a este rol en una empresa nueva suelen negociar mal porque no tienen referencia de mercado. Si estás en ese proceso, los rangos de este post son un punto de partida. El rango mid real para trabajo remoto en USD en LATAM está entre $2,500 y $4,500 mensuales; si te ofrecen $1,200 con ese perfil, tienes margen para negociar.
Diferencias prácticas vs el AI Engineer clásico
El AI Engineer clásico trabaja más cerca de modelos: embeddings, fine-tuning, evaluación de benchmarks, pipelines de entrenamiento. El Agentic Engineer trabaja más cerca de la arquitectura de software: APIs, manejo de errores, observabilidad, gestión de estado. El solapamiento existe, pero la orientación es distinta. Eso explica por qué los salarios del Agentic Engineer en muchas empresas están convergiendo con los del backend senior especializado, no con los del data scientist.
Cómo llegar al nivel mid en 2026
El camino más corto que veo funcionar en la práctica: dominar primero LangGraph —el orquestador, no solo los tutoriales—, después añadir CrewAI para sistemas multi-agente, y después integrar herramientas reales (bases de datos, APIs externas, WhatsApp, calendarios). No necesitas saber de todo el ecosistema; necesitas tener un proyecto que alguien real use.
La ruta de AI Agentic Engineer de DataPath cubre exactamente ese camino: vas de cero a un sistema multi-agente en producción, con LangGraph y CrewAI como columna vertebral, instructores que construyen agentes en empresas reales, y proyectos que quedan en tu portafolio para mostrar en entrevistas.
Si quieres empezar por una herramienta específica, el curso de LangGraph y el curso de CrewAI son los dos puntos de entrada con mayor retorno en términos de empleabilidad. Los puedes tomar de forma independiente o como parte de la ruta completa.
