Análisis de habilidades de IA de LinkedIn: 2026 distorsiona 2022

La parte incómoda del auge de los currículums con IA no es que los trabajadores estén aprendiendo nuevas herramientas y lo digan. Deberían hacerlo, si el trabajo es real. El problema es que algunos perfiles ahora hacen que empleos antiguos parezcan mucho más centrados en IA de lo que parecían en su momento, lo que convierte una trayectoria profesional en algo más parecido a un historial de revisiones. Eso importa porque la contratación ya está llena de etiquetas poco claras. “Ingeniero de IA” puede significar entrenamiento de modelos, integración de aplicaciones, trabajo de evaluación o un puesto de software con una función de chatbot añadida a la hoja de ruta. Cuando esa misma falta de claridad se escribe hacia atrás en puestos anteriores, tanto los candidatos como los empleadores pierden señales útiles.

La señal de

la tendencia: el historial de LinkedIn se está moviendo The Next Web informa que un análisis de Stanford de 29,4 millones de perfiles de LinkedIn estima que una captura de 2026 exagera en alrededor de un 30 por ciento lo comunes que eran las habilidades de IA en 2022. Eso no es un pequeño detalle de medición. Si empleadores, economistas laborales o proveedores de formación usan los perfiles actuales para deducir lo que los trabajadores sabían entonces, quizá estén leyendo una versión del pasado pulida en presente. AOL, al resumir un documento de trabajo de la National Bureau of Economic Research, dice que los investigadores analizaron capturas mensuales de 29,4 millones de perfiles de LinkedIn de Estados Unidos. El mismo informe dice que casi una quinta parte de esas cuentas había cambiado retroactivamente el título o la descripción de un empleo que el usuario ya había dejado. AOL también informa que los trabajadores estadounidenses están reescribiendo sus perfiles para incluir habilidades de IA y eliminar menciones a DEI, mientras que el lenguaje sobre trabajo remoto está perdiendo popularidad. La conclusión útil no es que todo perfil revisado sea sospechoso. Las personas limpian descripciones antiguas, estandarizan títulos y agregan contexto que faltaba todo el tiempo. El problema de contratación empieza cuando la fecha de un perfil se trata como la fecha de una habilidad, especialmente en un área de habilidades que avanza rápido, donde un año puede cambiar las herramientas, los flujos de trabajo y las expectativas disponibles.

Lo que los filtros de contratación deberían dejar

de asumir Business Insider informa que los trabajadores están reescribiendo entradas antiguas de LinkedIn para parecer más preparados para la IA, según investigadores. Para los equipos de contratación, eso debería servir como recordatorio de que el historial de palabras clave es una prueba débil. Un filtro de búsqueda que trata “estrategia de IA” en la descripción de un empleo anterior como prueba de trabajo práctico con IA puede sobreestimar la capacidad antes de que una persona siquiera lea el perfil. AOL cita a los investigadores diciendo: “Los trabajadores modifican su currículum para reflejar lo que creen que los empleadores quieren oír.” Esa frase debería hacer que los empleadores sean un poco más humildes respecto a sus propias descripciones de puestos. Si las ofertas inflan los requisitos de IA para roles comunes de analista, marketing, operaciones o software, los candidatos devolverán ese mismo lenguaje, y ambas partes terminarán con información menos útil. Aquí es donde la expansión de títulos se vuelve costosa. Un gerente de producto que evaluó una función de IA generativa, una científica de datos que creó pipelines de modelos y un líder de soporte que escribió mejores prompts internos pueden escribir “IA” en alguna parte de su perfil. Esas experiencias no son intercambiables, y fingir que lo son no ayuda a nadie.

Cómo se ve una línea de tiempo sólida

de IA El relato de AOL sobre el documento de trabajo de la NBER apunta a ediciones retroactivas en títulos y descripciones, lo que significa que los candidatos necesitan hacer que la cronología sea fácil de verificar. Si agregas trabajo con IA a un puesto antiguo, vincúlalo al proyecto real: qué construiste, qué herramienta o flujo de trabajo usaste, en qué decisión influiste y qué artefacto todavía existe. Un enlace a un portafolio, un estudio de caso interno, una muestra de código, una hoja de evaluación o una nota de antes y después del flujo de trabajo tiene más peso que una palabra clave recién pulida. La cifra de The Next Web sobre una exageración del 30 por ciento también es una advertencia contra el teatro de credenciales. Un certificado puede ayudar si te deja con un proyecto defendible y vocabulario para la entrevista. No arreglará una línea de tiempo que afirma responsabilidad en IA sin mostrar qué cambió en el trabajo. Para quienes cambian de carrera, la versión honesta suele ser más fuerte que la inflada. Una persona de 25 años que pasa de analítica a aprendizaje automático puede necesitar pruebas distintas a las de un gerente de operaciones de 45 años que añade automatización con IA a un flujo de trabajo maduro. Distintas limitaciones, misma exageración: los responsables de contratación aún necesitan ver el trabajo, no solo la etiqueta.

Qué observar después en la contratación con

IA El informe de Business Insider dice que los trabajadores están añadiendo habilidades de IA mientras eliminan términos de trabajo remoto, lo cual es un recordatorio directo de que los perfiles responden a incentivos percibidos del mercado. Cuando el mercado premia una frase, los currículums la absorben. La respuesta más saludable no es prohibir la frase, sino hacer mejores preguntas. Para los empleadores, eso significa reemplazar filtros amplios por indicaciones específicas: describe el sistema de IA que usaste, explica el paso de revisión humana, nombra el resultado que mejoraste y muestra un artefacto si es posible. Para quienes buscan empleo, significa documentar el aprendizaje a medida que ocurre en lugar de rellenar cada puesto antiguo con el vocabulario más reciente. La próxima señal útil de contratación no será quién dice “IA” primero, sino quién puede explicar el flujo de trabajo con suficiente claridad como para que otra persona pueda inspeccionarlo.