El salario del ingeniero de IA se ha dividido en dos mercados. Solo la cima es una burbuja

Lea los titulares y creerá que contratar un ingeniero de machine learning requiere un presupuesto de nueve cifras. Se equivocaría.

Los paquetes de compensación de mil millones de dólares son reales. También los reportes de 600.000 dólares de remuneración total para roles que parecen idénticos a los que su empresa busca cubrir. Pero esos números describen un mercado en el que casi con certeza usted no compite. Confundirlo con el mercado en el que sí compite es uno de los errores más costosos que un CEO puede cometer en 2026.

Según los datos de compensación de Ravio para 2026, la prima real medida para los roles de AI y machine learning (ML) a nivel de colaborador individual (IC) profesional es de alrededor del 12% sobre posiciones comparables sin IA. No del 56%. No 10 veces más. El doce por ciento. A nivel directivo, esa prima se reduce a aproximadamente un 3%. La advertencia de Ravio es directa: el mayor riesgo para la mayoría de las empresas no es pagar de menos por talento en IA, sino bloquear paquetes plurianuales por competencias que podrían volverse comunes rápidamente.

Dos mercados. Un titular. La mayoría de los CEO están leyendo el equivocado.

La bifurcación: lo que muestran realmente los datos

La división es real, pero es nítida. No hay tres o cuatro bandas salariales. Hay dos, y la brecha entre ellas es enorme.

El nivel empresarial abarca a los ingenieros de ML y especialistas en IA que trabajan en empresas convencionales, incluidas startups consolidadas, empresas del Fortune 1000 y compañías tecnológicas de tamaño mediano. La compensación total en esta banda oscila entre 170.000 y 245.000 dólares. Son personas que construyen y despliegan sistemas de ML en producción, ajustan modelos finos y gestionan pipelines de inferencia. Trabajo real, escasez real de oferta, salarios reales, y nada parecido a una burbuja.

El nivel de frontera es otra cosa. Un pequeño grupo de investigadores e ingenieros en un puñado de laboratorios de élite percibe entre 600.000 y más de 1.000.000 de dólares en compensación total por roles con títulos similares. Algunos contratos de élite han superado supuestamente los 1.000 millones de dólares distribuidos en varios años. Son personas que amplían la frontera de las capacidades: preentrenando arquitecturas novedosas, desarrollando técnicas de alineación o liderando programas de investigación con implicaciones comerciales directas. La oferta de personas capaces de hacer este trabajo es genuinamente escasa, razón por la que los precios son genuinamente extremos.

Datos clave

• Los datos de compensación de Ravio para 2026 muestran una prima salarial del 12% para colaboradores individuales de AI/ML y de apenas un 3% a nivel directivo frente a roles comparables sin IA. (Ravio 2026 Compensation Trends)
• Los ingenieros de ML en empresas convencionales perciben entre 170.000 y 245.000 dólares de compensación total; los roles en laboratorios de frontera en los principales laboratorios pagan entre 600.000 y más de 1.000.000 de dólares por títulos similares. (Ravio 2026 Compensation Trends; Pin AI Compensation Benchmarks 2026)
• La encuesta global de ManpowerGroup para 2026, con más de 39.000 empleadores en 41 países, encontró que las competencias en IA son ahora el perfil más difícil de contratar en el mundo, superando a ingeniería, TI y oficios especializados por primera vez.

La pregunta sobre la burbuja es en realidad una pregunta sobre cuál de los dos niveles se tiene en mente. El nivel de frontera muestra características clásicas de burbuja: precios desvinculados del retorno comercial, oferta impulsada por competencia de prestigio entre un número reducido de laboratorios bien financiados y estructuras de compensación que podrían no sobrevivir a un solo ciclo de financiación. El nivel empresarial muestra lo contrario: demanda consolidada, oferta que no ha seguido el ritmo de la adopción y salarios que parecen elevados hasta que se cuantifica lo que realmente cuesta un puesto vacante en proyectos retrasados y desventaja competitiva.

Una corrección en la cima parece plausible. Una corrección en el nivel empresarial no.

Los argumentos de uno y otro lado

El argumento de la burbuja tiene evidencia real. Los despidos en el sector tecnológico en el primer trimestre de 2026 alcanzaron aproximadamente 78.557 a nivel global, con casi la mitad atribuidos a desplazamiento por IA y automatización, según datos citados por el informe AI Compensation Benchmarks de Pin. Si los sistemas de IA están eliminando roles a ese ritmo, el razonamiento indica que quienes construyen esos sistemas están fijando su precio frente a una fuerza laboral que no existirá en pocos años.

Pero la evidencia contraria es más difícil de refutar. ManpowerGroup encuestó a más de 39.000 empleadores en 41 países y encontró que las competencias en IA se han convertido en el perfil más difícil de contratar a nivel global, superando a ingeniería, TI y oficios especializados por primera vez en la historia de la encuesta. Eso no es una señal de burbuja. Es una señal de escasez de oferta.

La resolución está en la bifurcación. La compensación en el nivel de frontera la elevan un puñado de laboratorios bien capitalizados que compiten por unas pocas centenas de personas. La compensación en el nivel empresarial la determinan decenas de miles de empresas que compiten por una reserva mucho mayor, pero todavía insuficiente, de ingenieros capaces de construir sistemas de ML en producción. Son mercados diferentes con dinámicas distintas, y se mueven en direcciones opuestas.

Para la mayoría de los CEO que leen esto, el dato relevante es la prima empresarial del 12% que midió Ravio, no los paquetes de los laboratorios de frontera que acaparan los titulares. Su competencia por talento son otras empresas, no OpenAI.

La prueba de los dos mercados

Antes de tomar cualquier decisión de contratación o compensación en IA, responda tres preguntas para determinar en qué mercado se encuentra.

Pregunta 1: ¿Qué está construyendo realmente?

Si el trabajo consiste en desplegar, ajustar finos o integrar modelos existentes en sistemas de producción, usted está en el nivel empresarial. Si está preentrenando arquitecturas novedosas desde cero o realizando investigación original que podría ampliar las capacidades de la IA, quizás esté pescando en aguas de frontera. La mayoría de las empresas, incluidas la mayor parte de las startups de IA bien financiadas, están en el nivel empresarial aunque su presentación de inversores diga lo contrario.

Pregunta 2: ¿A quién pierde sus candidatos?

Sus competidores reales por talento son las empresas a las que se van realmente sus candidatos perdidos. Si se van a Google DeepMind o a los laboratorios de investigación de Anthropic, la prima de frontera aplica a algunos de sus roles. Si se van a otras empresas tecnológicas convencionales, está comparándose con el número equivocado cuando consulta los paquetes de frontera.

Pregunta 3: ¿Qué requiere realmente el rol?

La ingeniería de ML en la mayoría de las empresas requiere sólidas competencias de ingeniería de software, experiencia práctica en despliegue y monitorización de modelos, y familiaridad con los principales frameworks. Ese es un rol de nivel empresarial. Los roles que requieren compensación de nivel de frontera son muy concretos: diseño de arquitecturas novedosas, investigación de alineación y un puñado de posiciones de ingeniería muy especializadas en la intersección entre investigación y producción. Sea honesto sobre lo que realmente necesita.

La mayoría de las empresas que terminan pagando de más lo hacen porque no superan la tercera pregunta. Redactan una descripción de puesto diseñada para atraer a un investigador de frontera y luego se preguntan por qué están pagando tarifas de investigador de frontera por un rol que necesitaba un ingeniero de ML competente.

La trampa de la obsolescencia de competencias

La advertencia de Ravio merece más atención de la que recibe. La prima empresarial del 12% existe ahora en parte porque las herramientas e infraestructuras para la ingeniería de ML siguen madurando. Pero las herramientas están mejorando y abaratándose de forma drástica. El trabajo que hace dos años requería un ingeniero de ML senior cada vez lo realiza un ingeniero de software competente con un buen dominio de herramientas de IA.

Esa trayectoria importa para los compromisos de compensación plurianuales. Bloquear a alguien en un paquete de alta prima basándose en una escasez que existía en 2024 podría significar pagar por encima del mercado en 2027 por competencias que se habrán vuelto más comunes. No es razón para pagar de menos. Sí es razón para construir estructuras de compensación con ventanas de reanclaje más cortas e invertir en la mejora de competencias del talento interno de ingeniería, junto con las contrataciones externas.

La brecha en el apoyo a la mejora de competencias en IA es real y está documentada. Las empresas que la cierran internamente reducen su exposición a la trampa de la obsolescencia al ampliar la reserva de personas capaces de realizar el trabajo.

Contratar externamente, mejorar internamente o usar herramientas: la decisión del CEO

La decisión sobre talento en IA raramente es una sola elección. Para la mayoría de las empresas se desarrolla en tres palancas simultáneas.

Contrate externamente para los roles donde la brecha de competencias es demasiado grande para cerrarla mediante formación y el calendario del proyecto no puede esperar. Aquí aplican los benchmarks de compensación del nivel empresarial. Compita con una retribución competitiva en ese nivel. No se ancle a los paquetes de frontera.

Mejore internamente para la gran franja intermedia donde los ingenieros existentes pueden desarrollar capacidades de ingeniería de ML con apoyo estructurado. Esto es más económico que la contratación externa, conserva el conocimiento institucional y reduce el riesgo de obsolescencia de competencias. Los datos sobre la prima salarial del dominio de la IA muestran que incluso una competencia moderada en IA ya se compensa, lo que significa que la inversión en mejora de competencias también se traduce en retención.

Construya con herramientas de IA para los casos de uso donde no necesita un ingeniero de ML dedicado. Las herramientas disponibles en 2026 permiten que ingenieros de producto, analistas de datos y equipos de operaciones construyan y desplieguen flujos de trabajo sustanciales asistidos por IA sin experiencia especializada en ML. Esta es la categoría de mayor crecimiento y la más subestimada en la planificación de plantillas de IA.

Los sectores que avanzan más rápido en contratación de IA no son siempre los que más pagan. Con frecuencia son los que encontraron la combinación adecuada de estas tres palancas en lugar de competir exclusivamente en el mercado de contratación externa.

Señales a vigilar para una corrección en la cima

Si el nivel de frontera está inflado, ¿cuáles son las señales de que se aproxima una corrección? Tres aspectos a monitorizar.

El primero es la velocidad de financiación de los laboratorios. La compensación en el nivel de frontera se sostiene con capital. Si el entorno de financiación para los principales laboratorios se tensa, los paquetes de compensación se comprimen rápidamente porque la presión competitiva entre laboratorios es el principal motor de los números extremos. Las rondas de financiación de OpenAI, Anthropic y sus competidores más cercanos son su indicador adelantado.

El segundo es el estancamiento de las capacidades. Si los rendimientos del escalado del preentrenamiento disminuyen más de lo esperado, la justificación comercial para los salarios de los investigadores de frontera se debilita. La compensación en el nivel de frontera es en parte una apuesta a que el próximo avance vale la pena capturar. Si los avances se ralentizan, la apuesta se vuelve más difícil de sostener.

El tercero es la calidad de los modelos de pesos abiertos. Cada vez que un modelo de pesos abiertos reduce la brecha con los modelos cerrados de frontera, el peso que los laboratorios de frontera ejercen sobre las empresas convencionales disminuye. Modelos de pesos abiertos más capaces significan que más equipos empresariales pueden realizar trabajo sofisticado sin contratar talento de los laboratorios de frontera. Eso reduce la presión indirecta que la compensación de los laboratorios de frontera ejerce sobre la compensación del nivel empresarial.

Ninguno de estos indicadores ha activado aún su señal. Pero la dirección de desplazamiento es suficientemente clara como para que cualquier CEO que realice planificación plurianual de plantillas en IA debería hacerles seguimiento. Los datos de prima salarial de 2026 muestran la rapidez con la que estos números subieron. Pueden moverse en sentido contrario.

Qué hacer este trimestre

Tres acciones que no requieren esperar más datos.

Aplique la prueba de los dos mercados a cada rol abierto de IA. Revise sus descripciones de puesto actuales y los objetivos de compensación con las tres preguntas anteriores. Si está ofreciendo compensación de nivel de frontera para trabajo de nivel empresarial, corríjalo ahora. Si está ofreciendo por debajo del nivel empresarial para competencias genuinamente escasas, seguirá perdiendo candidatos.

Audite sus compromisos plurianuales de compensación en IA. Cualquier paquete de compensación total con capital garantizado o bonificaciones que se extiendan más allá de 2028 debe revisarse frente al calendario de obsolescencia de competencias. Esto no significa renegociar de mala fe. Significa asegurarse de que su próxima ronda de ofertas tenga incorporados mecanismos de reanclaje adecuados.

Construya un programa paralelo de mejora de competencias. La contratación externa de IA no debe ser su única estrategia. Identifique una o dos áreas donde la mejora interna de competencias sea factible en un plazo de seis meses y lance un programa estructurado. El objetivo es reducir su dependencia del mercado externo para roles donde puede desarrollar la capacidad internamente. La brecha de apoyo en la mejora de competencias en IA es precisamente donde la mayoría de las empresas están subinvirtiendo.

La bifurcación es un cambio estructural real en cómo se remunera el talento en IA. Comprenderla con claridad significa que puede competir eficazmente en el nivel que realmente aplica a su negocio, sin gastar de forma reactiva en un mercado en el que nunca estuvo y sin paralizarse porque los titulares parecen insostenibles.

La mayoría de los titulares describen un mercado para unas mil personas en todo el mundo. Sus contrataciones ocurren en el otro.

Preguntas frecuentes

¿Es el talento en IA una burbuja en 2026?

Depende de qué nivel se tenga en mente. El nivel de los laboratorios de frontera, donde un pequeño grupo de investigadores de élite percibe entre 600.000 y más de 1.000.000 de dólares de compensación total, muestra características de burbuja: precios impulsados por la competencia entre un número reducido de laboratorios bien financiados más que por el retorno comercial de la contratación. El nivel empresarial, donde la mayoría de las empresas reclutan realmente, presenta restricciones de oferta y no muestra dinámicas de burbuja. La encuesta de ManpowerGroup para 2026 a más de 39.000 empleadores encontró que las competencias en IA son las más difíciles de contratar a nivel global, que es la señal contraria a una burbuja. Una corrección en la cima es plausible. Una corrección en el nivel empresarial no está respaldada por los datos actuales.

¿Cuánto ganan realmente los ingenieros de IA en 2026?

Depende en gran medida del tipo de rol. Los ingenieros de ML en empresas convencionales, incluidas startups grandes y empresas del Fortune 1000, perciben entre 170.000 y 245.000 dólares de compensación total. Ahí es donde ocurre la mayoría de las contrataciones. En los principales laboratorios de investigación, la compensación total para investigadores de frontera oscila entre 600.000 y más de 1.000.000 de dólares, con un pequeño número de paquetes de élite que supuestamente superan los 1.000 millones distribuidos en varios años. Los datos de Ravio para 2026 miden la prima real a nivel empresarial en aproximadamente un 12% sobre roles comparables sin IA en el nivel de IC, y solo un 3% a nivel directivo.

¿Estamos pagando de más por los ingenieros de IA?

Algunas empresas sí, pero no porque el talento en IA esté sobrevalorado en general. El exceso de pago ocurre cuando una empresa se compara con paquetes del nivel de frontera para roles que son en realidad trabajo de nivel empresarial, o cuando las descripciones de puesto se redactan para atraer un nivel de investigador que el rol no requiere. El riesgo de obsolescencia que señala Ravio es real: las herramientas de IA avanzan lo suficientemente rápido como para que las competencias que comandaban una prima en 2024 puedan ser más comunes en 2027. La solución práctica es ajustar la compensación al trabajo real requerido, usar ventanas de reanclaje más cortas en los paquetes plurianuales y desarrollar la mejora de competencias interna junto con la contratación externa para reducir la dependencia de un mercado externo costoso.

Más información

• Prima salarial por IA duplicada en 2026: lo que los CHRO necesitan para el reajuste de bandas salariales
• Prima salarial por dominio de la IA: lo que trabajadores y empleadores necesitan saber
• Los sectores que contratan talento en IA más rápido en 2026
• LinkedIn 2026: la brecha de apoyo en la mejora de competencias para ingenieros de IA