Hay una escena que se repite una y otra vez. Alguien publica en LinkedIn que consiguió un nuevo trabajo. Los comentarios no se hacen esperar:

«¿Tomaste algún curso?»

«¿Qué certificación te pidieron?»

Claro también hay de buenos deseos para esa nueva aventura laboral, pero en lo que respecta lo más profesional, la respuesta casi nunca es una tecnología.

Para el desarrollador es una combinación de muchas pequeñas decisiones tomadas durante meses, incluso años; el mercado ya no recompensa únicamente a quien sabe programar. Premia a quien entiende problemas más grandes.

Hace algunos años bastaba con dominar un lenguaje, conocer un framework y acumular experiencia. Hoy todo este entorno cambió.

Como ejemplo claro tenemos que la inteligencia artificial se convirtió en una herramienta fundamental del trabajo, la nube dejó de ser una ventaja competitiva para convertirse en infraestructura básica, Los datos comenzaron a mover decisiones de negocio…

Y mientras todo esto sucede, la pregunta que permanece es:

¿Qué debería aprender ahora?

Curiosamente, quizá esa ya no sea la mejor pregunta.

Tal vez la pregunta correcta sea otra:

¿Qué tipo de problemas quiero ser capaz de resolver dentro de cinco años?

Porque las tecnologías cambian, pero los problemas permanecen.

IA ya no es un área. Es una herramienta

Durante mucho tiempo la Inteligencia Artificial parecía un territorio reservado para investigadores o profesionales IT demasiado especializados.

Hoy probablemente ya utilizas IA varias veces al día. La diferencia ya no está en abrir ChatGPT. Está en saber cuándo un modelo realmente aporta valor y cuándo solamente añade complejidad.

Una realidad innegable es que cada vez más empresas necesitan personas capaces de integrar modelos de lenguaje dentro de productos, automatizar procesos, evaluar resultados y entender que no todo necesita IA para ser una buena solución.

El skill que rodea a la IA, en la actualidad, no consiste sólo en escribir mejores prompts. Se trata de saber qué preguntar.

Cloud dejó de ser infraestructura

Había una época en la que migrar aplicaciones a la nube era el proyecto, la situación está en un cambio que parece que llegó para quedarse. Hoy se trata de conocer y tener cierto dominio en los grandes jugadores como AWS, Azure o Google Cloud.

Ahora importa si la arquitectura realmente aprovecha la nube o simplemente moviste servidores a otro lugar. Se trata de diseñar sistemas resilientes, seguros y escalables, esto ya dejó de ser un tema exclusivo de arquitectos.

Cada vez más perfiles necesitan comprender cómo toman forma las decisiones técnicas que sostienen al negocio.

Kubernetes siempre encuentra la manera de aparecer

Ya es normal que todos los equipos tengan una historia con Kubernetes. Parece un chiste recurrente cuando alguien dice:

«Sólo es reiniciar un Pod.»

Y termina varias horas después intentando descubrir por qué un clúster completo decidió dejar de colaborar. Más allá de las risas, Kubernetes representa algo más grande, es la transición hacia aplicaciones diseñadas para escalar, automatizarse y sobrevivir a entornos distribuidos.

Aprender Kubernetes no significa sólo aprender comandos. Significa comprender cómo operan las aplicaciones modernas.

Seguridad ya no es una revisión al final

Hace algún un tiempo la seguridad aparecía hasta el final del proyecto. Hoy, está en la mesa desde la primera reunión de arquitectura.

Cada API, cada identidad digital, cada integración y cada componente desplegado representa una posible vulnerabilidad.  Por eso la ciberseguridad dejó de ser responsabilidad exclusiva de un equipo, pues es responsabilidad de todos.

La seguridad es integral y forma parte del trabajo cotidiano de desarrolladores, arquitectos, ingenieros de plataforma y líderes técnicos.

DevOps evolucionó

Hasta hace algunos sólo se oía en las organizaciones: «hacemos DevOps». Hoy muchas empresas ya hablan de Platform Engineering.

¿Por qué? Porque descubrieron que el verdadero cuello de botella no siempre estaba en el despliegue. El conflicto real se encontraba en todo lo que un desarrollador debía aprender antes de poder entregar valor.

Es así que las plataformas internas buscan resolver exactamente eso. Eliminar fricción y reducir complejidad.

De esta manera se permite que los equipos dediquen más tiempo a desarrollar y menos a pelear con la infraestructura.

Nadie presume un buen pipeline…

…hasta que deja de funcionar.

Por esto es que el Data Engineering es uno de esos trabajos silenciosos que sostienen gran parte de la industria IT.

No suele aparecer en conferencias ni convertirse en tendencia dentro de redes sociales. Pero cuando los datos dejan de llegar correctamente, toda la organización comienza a buscarlo.

Recuerda que la IA, la analítica y la automatización empiezan mucho antes de entrenar un modelo. Sólo son posible con datos confiables.

La infraestructura también se escribe

Durante años administrar infraestructura significaba entrar a una consola y hacer cambios manuales. Hoy esa lógica resulta cada vez menos sostenible. El concepto de Infrastructure as Code cambió la conversación.

Es así desde que Terraform se colocó en el centro de la discusión, es así por llevar principios de ingeniería de software hacia la infraestructura: versionamiento, colaboración, automatización y trazabilidad.

En esencia, se trata de tener presente que la infraestructura también merece código mantenible.

Una buena API casi pasa desapercibida

Las malas, en cambio, todos las recuerdan. Diseñar APIs dejó de ser únicamente trabajo del backend, hoy en día implica pensar en la experiencia para desarrolladores, escalabilidad, seguridad, evolución del producto y comunicación entre equipos.

Cuando una API está bien diseñada, facilita el trabajo de todos. Cuando no, termina condicionando decisiones durante años.

La nube también cuesta dinero

Y bastante.

Durante mucho tiempo, para los equipos bastó con celebrar que todo funcionara. Ahora también importa el coste de su funcionamiento y mantenimiento.

FinOps aparece precisamente en ese punto donde tecnología y negocio se interrelacionan. Contrario a lo que se podría considerar el área no busca limitar la innovación. Lo que se pretende es que las decisiones técnicas también consideren sostenibilidad.

Porque optimizar recursos no significa hacer menos, se traduce en utilizarlos de manera correcta para hacer más y mejor.

La agilidad madura se nota… y casi nunca habla de Scrum

Las reuniones interminables del daily no vuelven agile a un equipo, tampoco un tablero lleno de Post-its.

El verdadero enfoque de agilidad aparece cuando producto, negocio e ingeniería logran reducir el tiempo entre una idea y el valor que recibe un usuario.

Para alcanzar el éxito las organizaciones deben considerar la colaboración, la comunicación y el criterio técnico. Muchas veces los problemas más complejos no aparecen por escribir mal el código. Aparecen porque nadie estaba en el mismo canal para resolver el mismo problema.

Entonces… ¿cuál debería ser mi siguiente paso?

Probablemente especializarse en alguna de las áreas aquí mencionadas o puede que ninguna, lo que debes tener presente es que deberás especializarte.

Existe una idea muy conocida dentro del desarrollo profesional llamada T-Shaped Skills, ésta consiste en desarrollar una especialidad profunda y, alrededor de ella, construir suficiente contexto para colaborar con otras disciplinas.

Es una estrategia mucho más realista que intentar dominar absolutamente todo. Porque la carrera de un profesional de TI rara vez cambia por una tecnología. Generalmente cambia cuando comienza a resolver problemas que antes parecían demasiado grandes.

Y eso tiene una consecuencia interesante, pues al final del día te das cuenta que no sólo aprendiste Kubernetes, cloud computing o Inteligencia Artificial, Lo que en realidad estabas aprendiendo era una forma distinta de pensar.

Al cambiar tu enfoque te permites entender mejor cómo funcionan los productos, las organizaciones y las personas que los construyen. Las tecnologías seguirán cambiando. Eso es inevitable.

La verdadera ventaja competitiva siempre será tu capacidad para seguir aprendiendo sin perder de vista algo mucho más importante:

el problema que quieres ayudar a resolver.

Para seguir explorando

Si quieres profundizar en estas tendencias, vale la pena revisar periódicamente algunos de los reportes y estudios que más influyen en la conversación tecnológica:

• World Economic Forum – Future of Jobs Report (habilidades emergentes y transformación del empleo).
• GitHub – Octoverse Report (tendencias globales de desarrollo e IA).
• Stack Overflow – Developer Survey (herramientas, lenguajes y hábitos de la comunidad).
• CNCF – Cloud Native Survey (adopción de Kubernetes y tecnologías cloud-native).
• Thoughtworks Technology Radar (tecnologías en adopción, prueba y evaluación).
• OWASP Top 10 y OWASP API Security Top 10 (desarrollo seguro y seguridad en APIs).
• AWS, Azure y Google Cloud Well-Architected Frameworks (principios para arquitecturas modernas).

Más que seguir cada tendencia, estas publicaciones ayudan a entender por qué el mercado cambia y hacia dónde parece dirigirse.