Cada CTO, Head of Data y gerente de L&D con quien hablo este año enfrenta la misma pregunta: ¿capacito al equipo que ya tengo o salgo a contratar perfiles de IA? No es una pregunta fácil. Y la respuesta de "depende del contexto" que dan muchos consultores no ayuda cuando tienes que justificar el presupuesto ante la dirección.
Lo que sí puedo decirte, basado en lo que hemos visto trabajando con empresas de Perú, Colombia, México y Chile: la decisión correcta casi siempre no es una u otra. Pero hay señales claras que te dicen cuándo pesar más hacia un lado.
El problema real: la brecha de talento en IA no se cierra sola
El mercado de talento en IA en LATAM no tiene suficiente oferta. Un AI Engineer senior con experiencia en LangGraph y despliegue en producción recibe en promedio 4-6 ofertas simultáneas. Un Data Engineer con experiencia en pipelines de LLM puede elegir entre 3 empresas en la misma semana.
Esto significa dos cosas. Primero: si decides contratar un perfil de IA senior, estarás compitiendo en un mercado donde el talento lleva la ventaja. Segundo: si esperas a que el mercado se corrija solo, la brecha entre lo que tu competencia puede hacer con IA y lo que puede hacer tu equipo se va a ensanchar.
El punto de partida correcto no es "reskilling o contratación". Es: ¿cuánto tiempo tengo para cerrar esta brecha, y cuánto me cuesta no cerrarla?
El caso para contratar talento nuevo
Tiene sentido cuando necesitas una capacidad que no existe en tu equipo y no puede desarrollarse en menos de 12 meses: por ejemplo, un arquitecto de IA que diseñe la infraestructura completa de una plataforma de datos, o un especialista en fine-tuning de modelos grandes.
También cuando la velocidad de mercado no te permite esperar. Si un competidor ya tiene agentes de IA en producción y tú estás en la fase de exploración, contratar alguien que ya lo hizo antes puede comprarte 6-12 meses de ventaja.
Lo que nadie te dice: contratar un AI Engineer senior en LATAM en 2026 cuesta entre $50.000 y $90.000 USD/año, dependiendo del país y el stack. Más el proceso de reclutamiento (promedio de 3-4 meses), la curva de adaptación al negocio (otros 3-6 meses), y el riesgo de rotación antes de los 18 meses —que en el segmento senior de IA es alta. El costo real de una contratación fallida es 1.5x a 2x el salario anual.
El caso para el reskilling del equipo actual
Tu equipo actual ya tiene algo que un recién contratado tardará 6-12 meses en adquirir: conocimiento del negocio, los datos y los procesos internos. Eso tiene un valor real que los números de costo de contratación no capturan.
El reskilling tiene sentido cuando los roles que necesitas no son ultra-especializados. Un analista que aprende a construir agentes simples con n8n, o un developer que aprende a usar Claude Code para acelerar su trabajo, son transformaciones alcanzables en 3-6 meses con el programa correcto.
Y cuando quieres escala: capacitar a 10 personas del equipo en habilidades de IA tiene un efecto multiplicador que contratar a 2 expertos externos no produce.
Un detalle que suelen ignorar los directivos: cuando solo contratas externos, el equipo actual siente que está siendo reemplazado. Eso genera resistencia pasiva que puede arruinar la adopción de IA aunque la tecnología funcione perfectamente. He visto proyectos de transformación digital frenados no por problemas técnicos sino por este motivo.
Los números que cambian la conversación
Un programa de capacitación corporativa en IA para un equipo de 10 personas cuesta en el mercado LATAM entre $8.000 y $25.000 USD (dependiendo del nivel, duración y si es a medida o abierto). Un AI Engineer senior cuesta $50.000 – $90.000 USD/año más el overhead de recruitment.
Dicho así, el reskilling parece obvio. Pero hay un matiz: el tiempo. Si contratas bien, tienes capacidad lista en 3-4 meses. Si haces reskilling, el equipo empieza a producir cambios visibles a los 90 días, pero el nivel senior tarda 12-18 meses en madurar.
La pregunta correcta no es cuál es más barato. Es: ¿qué necesito tener listo antes de 6 meses, y qué puedo construir para 18 meses?
El modelo híbrido que funciona en 2026
Las empresas que más avanzan con IA en LATAM no eligieron entre uno u otro. Usan los dos en capas:
- ▸Contrataron 1-2 perfiles senior con experiencia real (el arquitecto que define la dirección técnica, el especialista que resuelve los problemas de producción que nadie en el equipo puede resolver).
- ▸Capacitaron al equipo existente con un programa que parte del stack y los procesos internos de la empresa, no de un currículo genérico de IA.
- ▸Midieron el impacto a los 30, 60 y 90 días con métricas concretas: tiempo de entrega de análisis, errores en producción, adopción real de herramientas.
Las empresas que hemos acompañado en DataPath —desde Entel hasta organizaciones del sector financiero como BCP y Scotiabank— han reducido el tiempo de respuesta de sus equipos analíticos a la mitad en menos de 4 meses con este modelo. No porque contrataron a alguien nuevo, sino porque las personas que ya conocían el negocio aprendieron a usar IA de forma práctica.
Cómo saber cuál es tu caso: tres preguntas
- ▸¿Tienes 3 meses o 12 meses? Si la presión competitiva es inmediata, prioriza contratación selectiva más capacitación de quick wins. Si tienes tiempo, invierte en reskilling profundo.
- ▸¿Tu equipo tiene las bases técnicas? Si ya tienen Python o SQL, el salto a herramientas de IA es manejable en 3-6 meses. Si el equipo es completamente no técnico, el proceso es más largo y hay que diseñarlo diferente.
- ▸¿Sabes exactamente qué capacidad te falta? «Necesitamos IA» no es suficiente. «Necesitamos automatizar el proceso de generación de reportes de ventas y construir un agente que consulte datos internos» es un gap concreto que puedes resolver con un plan específico.
Si no tienes claridad en estas tres preguntas, el primer paso no es contratar ni capacitar: es un diagnóstico. El diagnóstico correcto ahorra entre 3 y 6 meses de decisiones equivocadas.
El siguiente paso
En la página de empresas puedes ver cómo hacemos este proceso: diagnóstico del gap actual, diseño del programa a medida, ejecución con instructores en activo y medición de impacto real. Trabajamos con empresas de todos los sectores en LATAM, con +500 profesionales capacitados y +30 empresas en el portfolio.
El stack que más piden las empresas en 2026 incluye agentes de IA (ruta AI Agentic Engineer) y pipelines de datos modernos (ruta Data Engineer). Ambos tienen programas corporativos a medida. El diagnóstico inicial es sin costo: agenda una llamada desde /empresas y en 30 minutos tienes una hoja de ruta clara.
