Anthropic cambia la forma de contratar ingenieros en plena revolución de la IA
La inteligencia artificial está obligando a las empresas tecnológicas a replantearse cómo identifican el talento. Felix Rieseberg, responsable de contratación en Anthropic, sostiene que las pruebas tradicionales de programación ya no reflejan con precisión las capacidades que necesita un ingeniero en la actualidad.
En su lugar, la compañía busca perfiles capaces de detectar una idea útil, convertirla rápidamente en un prototipo y demostrar su valor. La experiencia sigue siendo importante, pero ya no constituye el único indicador de rendimiento. En algunos casos, profesionales relativamente nuevos están adelantando a ingenieros con más años de trayectoria y una base técnica aparentemente superior.
La programación ya no se evalúa como antes
Durante años, los procesos de selección para puestos técnicos se han apoyado en ejercicios de algoritmos, estructuras de datos y resolución de problemas bajo presión. Estas pruebas permitían comparar candidatos con un criterio aparentemente objetivo, pero también podían dejar fuera a personas capaces de crear productos útiles en entornos reales.
La expansión de las herramientas de IA generativa ha cambiado ese escenario. Un ingeniero puede apoyarse hoy en asistentes capaces de sugerir código, detectar errores, generar pruebas o explorar distintas soluciones en pocos minutos. Por eso, memorizar una sintaxis concreta o resolver un ejercicio aislado tiene menos peso que saber plantear bien un problema y validar el resultado.
La cuestión ya no es únicamente quién escribe más código o quién recuerda más algoritmos. La diferencia está en quién sabe utilizar los recursos disponibles para pasar de una necesidad abstracta a una solución funcional.
Del examen técnico al prototipo funcional
El enfoque que describe Rieseberg pone el acento en la capacidad de ejecución. Anthropic busca candidatos que puedan observar una oportunidad, formular una hipótesis y construir una primera versión que permita comprobar si la idea merece desarrollarse.
Ese proceso exige combinar varias habilidades: comprender al usuario, acotar el problema, elegir las herramientas adecuadas y aprender de los fallos. También requiere criterio para distinguir una demostración llamativa de un prototipo que realmente resuelve una necesidad.
La velocidad, en este contexto, no significa trabajar de forma precipitada. Se trata de reducir el tiempo entre la identificación de un problema y la obtención de información útil. Un prototipo imperfecto puede aportar más conocimiento que semanas de planificación sin una prueba tangible.
La influencia interna deja de ser un requisito imprescindible
Otro de los aspectos que gana relevancia es la capacidad de avanzar sin contar inicialmente con una posición de influencia dentro de la empresa. Un candidato puede no tener autoridad, una amplia red de contactos o un historial de grandes proyectos, pero sí demostrar que sabe hacer progresar una idea.
Para las organizaciones tecnológicas, esta autonomía puede resultar especialmente valiosa. Las estructuras internas suelen ralentizar las decisiones, mientras que los perfiles capaces de experimentar y presentar resultados concretos pueden abrir nuevas líneas de trabajo sin esperar a disponer de todos los recursos.
Esto no implica que la experiencia o la capacidad de colaboración hayan perdido importancia. Al contrario, un prototipo solo se convierte en un producto sólido cuando se integra con el trabajo de otros equipos y supera requisitos de seguridad, fiabilidad y mantenimiento.
Ingenieros más jóvenes con una ventaja inesperada
La observación de Rieseberg apunta a una transformación en la relación entre experiencia y productividad. Hay ingenieros con menos recorrido profesional que, gracias a su familiaridad con las herramientas de IA, son capaces de avanzar a mayor velocidad que personas que probablemente dominan mejor la programación tradicional.
La ventaja no reside necesariamente en escribir código de mayor calidad desde el primer intento. Puede estar en saber dividir una tarea, describir con precisión lo que se necesita, revisar las respuestas de un modelo y detectar cuándo una solución aparentemente correcta contiene riesgos.
Esta forma de trabajar demanda pensamiento crítico. Delegar parte de la implementación en una herramienta no elimina la responsabilidad del ingeniero. Quien utiliza IA debe entender el problema, comprobar las decisiones automatizadas y asumir las consecuencias técnicas de lo que llega a producción.
Qué buscan ahora las empresas tecnológicas
El nuevo modelo de contratación favorece una combinación de conocimientos técnicos, curiosidad y capacidad para aprender. Entre las cualidades más relevantes se encuentran:
- Convertir una idea en una demostración funcional en poco tiempo.
- Usar herramientas de IA sin aceptar sus resultados de forma automática.
- Identificar qué problemas merecen resolverse y cuáles no.
- Comunicar con claridad los objetivos, las limitaciones y los resultados.
- Iterar a partir de los errores y adaptar la solución a nueva información.
Este cambio también plantea retos para los procesos de selección. Evaluar un prototipo requiere más contexto que corregir un ejercicio cerrado. Los entrevistadores deben analizar cómo ha razonado el candidato, qué decisiones ha tomado y si comprende las implicaciones de su trabajo.
La consecuencia es una contratación menos centrada en demostrar conocimientos aislados y más interesada en observar cómo trabaja una persona ante un problema abierto. En un sector que evoluciona con tanta rapidez, la capacidad de aprender y construir puede pesar tanto como la experiencia acumulada.
La inteligencia artificial no elimina la necesidad de buenos ingenieros, pero sí redefine lo que significa ser eficaz. Para Anthropic, el talento diferencial parece estar en quienes saben combinar criterio técnico, iniciativa y velocidad para convertir una posibilidad en algo que se pueda probar.
