Andrew Alexander, científico de datos, sobre la IA: "Cuando se inventó Excel, pensaron que no habría necesidad de contables, pero ocurrió lo contrario: se dieron cuenta de todo lo que podían hacer los contables"
Elígenos como tu fuente preferida en Google.
La IA está cambiando el análisis de datos, pero los humanos siguen siendo clave: los analistas dejan parte del código para centrarse más en estrategia, contexto y decisiones.
La forma de trabajar en tecnología está cambiando muy rápido, donde los programadores escriben cada vez menos código; tareas que antes exigían horas ahora se resuelven con ayuda de inteligencia artificial.
Cabe señalar que no es un cambio aislado, sino una transformación que está afectando a toda la industria. Durante años, dominar herramientas o preparar análisis era una parte esencial del valor de un trabajador.
Ahora, cuando una IA puede encargarse de buena parte de esa ejecución, ganan peso otras capacidades como saber qué problema merece resolverse, cómo interpretar el resultado y cuándo una respuesta aparentemente correcta no lo es.
Andrew Alexander, vicepresidente de Analítica de The Media Image, utiliza una comparación muy clara para explicar este momento. Recuerda que, cuando se popularizó Excel, hubo quien pensó que los contables dejarían de ser necesarios.
Según su declaración, ocurrió algo distinto: las hojas de cálculo automatizaron buena parte del trabajo y, al mismo tiempo, permitieron descubrir todo lo que esos profesionales podían hacer con los datos.
La IA puede cambiar el trabajo sin eliminar a los analistas de datos
Es importante mencionar que la comparación no significa que Excel y la inteligencia artificial vayan a tener exactamente las mismas consecuencias.
De hecho, los modelos inteligentes tienen un alcance mucho mayor y pueden intervenir en tareas que van desde escribir código hasta generar análisis o interpretar documentos.
El paralelismo sirve para entender otra cosa. Cuando una herramienta automatiza una tarea, el valor del profesional puede desplazarse hacia actividades que antes quedaban en segundo plano.
En analítica, por ejemplo, una IA puede generar SQL, escribir Python, transformar datos o preparar una primera visualización.
Esto reduce el tiempo dedicado a la parte mecánica, pero no responde por sí solo a preguntas como qué datos utilizar, si el método elegido tiene sentido o si la conclusión puede utilizarse para tomar una decisión real.
El analista pasa de ejecutar a dirigir
La conversación en la que participó Alexander reunió a más de 20 responsables de analítica de agencias británicas y terminó dejando una idea clara: el analista del futuro se parecerá más a un director de orquesta que a alguien dedicado únicamente a escribir código.
Ese nuevo papel consiste en coordinar herramientas, modelos y fuentes de información. También exige criterio para decidir qué merece analizarse, capacidad para detectar errores y suficiente conocimiento técnico para entender qué ha hecho la IA.
Así que saber programar sigue siendo útil para revisar resultados, comprender limitaciones, pero sobre todo, detectar incoherencias. La diferencia es que escribir personalmente cada instrucción deja de ser siempre la parte más pesada del trabajo.
Por eso aparecen tres capacidades cada vez más importantes. El criterio permite separar un análisis útil de otro irrelevante, la narrativa ayuda a convertir los datos en una explicación comprensible.
Y la confianza obliga a dejar claro de dónde sale cada conclusión, qué supuestos existen y qué parte del proceso ha dependido de la inteligencia artificial.
Lo que dice Alexander no es que la IA vaya a salvar todos los empleos, sino que cuando la tecnología hace más sencilla la ejecución, empezamos a exigir más criterio, más contexto y mejores decisiones.