El año pasado escribí sobre cómo la IA elimina tareas de bajo valor y acelera el trabajo de alto valor para los científicos de datos. Un año después, con la IA avanzando de GPT 4.5 a GPT 6, el cambio real es mayor: la IA está remodelando la propiedad, el juicio y las trayectorias profesionales.

En los últimos seis meses, apenas he escrito SQL o Python manualmente. La IA escribe la mayor parte del código de análisis; mi rol pasó de codificador a revisor. Los flujos de trabajo repetidos se empaquetan en Agent Skills, como realizar análisis de causa raíz de movimientos de métricas o redactar informes de experimentos.

Las partes interesadas ahora obtienen más datos por sí mismas usando herramientas de IA como Claude Code. Pero surgen problemas de confianza: o pierden la confianza tras errores de IA o confían ciegamente en salidas vibe-coded. Las capas semánticas se vuelven cruciales, definiendo métricas como "Tasa de retención" para que los agentes no necesiten armar definiciones manualmente.

El cuello de botella pasó de "¿Alguien puede obtener los datos?" a "¿Podemos confiar en lo que obtuvieron?" La IA expandió la definición del trabajo del científico de datos más allá de las ganancias de productividad.