Conocer los roles y las herramientas que se usan en inteligencia artificial te ayuda a entender cómo es el día a día de un profesional en AI y qué vocabulario necesitas dominar para una entrevista de trabajo. Si estás aprendiendo inglés técnico para el sector tech, este recorrido por una conversación entre dos recién contratados te muestra los términos clave que vas a escuchar una y otra vez.

Qué roles existen para un profesional de inteligencia artificial

La industria de AI no se reduce a un solo perfil. Dentro de una misma empresa puedes encontrar personas que investigan, otras que analizan datos y otras que mantienen la infraestructura para que todo funcione.

En la conversación aparecen tres roles concretos que vale la pena identificar:

• Data analyst: trabaja directamente con los datos del negocio para responder preguntas y apoyar decisiones. John, por ejemplo, fue contratado en una fintech startup que maneja préstamos empresariales en distintos países [00:32].
• Data engineer: se encarga de mantener las bases de datos organizadas y limpias para que el resto del equipo pueda trabajar sin tropiezos [00:50].
• Cognitive scientist: un perfil orientado a la investigación, más cercano a la ciencia que al producto. Es el rol que tomó la protagonista dentro de un proyecto enfocado en computer vision [01:30].

¿Qué hace un data analyst en una empresa de AI? Usa los datos ya organizados por los data engineers para hacer consultas, procesarlos y extraer insights que ayuden al negocio. Su trabajo combina pensamiento crítico con herramientas como SQL y Python.

Qué lenguajes y librerías usa un profesional de AI en su día a día

El vocabulario técnico cambia según el rol, pero hay herramientas que aparecen casi en cualquier perfil. Aquí es donde el inglés profesional se vuelve indispensable, porque vas a escuchar estos nombres en reuniones, entrevistas y documentación.

Cuáles son los lenguajes de programación más mencionados

En el diálogo se nombran dos lenguajes principales que cualquier persona en AI debería reconocer al escucharlos:

• SQL: se usa para escribir queries, es decir, consultas a bases de datos. Es el pan de cada día de un data analyst [01:00].
• Python: aparece tanto en análisis de datos como en investigación. Es transversal a casi todos los roles de AI [01:05].
• R: muy fuerte en perfiles de investigación por su capacidad de procesamiento estadístico. La protagonista lo describe como su best friend en su nuevo trabajo [01:25].

Qué librerías de Python escucharás en una entrevista

Las librerías son colecciones de código listo para usar que aceleran el trabajo. En el diálogo se mencionan cuatro nombres que conviene tener en el radar:

• TensorFlow y PyTorch: herramientas centrales en proyectos de computer vision y aprendizaje profundo [01:35].
• NumPy: utilizada para cálculos numéricos eficientes, común en análisis de datos.
• Scikit-learn: enfocada en machine learning clásico, muy usada por data analysts [01:50].

¿Qué es computer vision? Es el área de la inteligencia artificial que enseña a las máquinas a interpretar imágenes y video. Proyectos de este tipo suelen apoyarse en librerías como TensorFlow y PyTorch.

Por qué este vocabulario es clave para tu entrevista de trabajo en AI

El proyecto del curso es practicar una entrevista laboral con una AI, y para eso necesitas pronunciar y entender estos términos con naturalidad. No basta con saber qué hace un data engineer o qué es Scikit-learn: tienes que poder decirlo en voz alta sin trabarte.

Fíjate también en cómo los protagonistas describen su experiencia. John habla de su nuevo puesto en una fintech startup y menciona que está usando SQL todos los días, algo que antes le costaba [01:05]. Ella describe su proceso de onboarding como daunting, but great, una forma honesta y profesional de admitir que un trabajo nuevo intimida [01:20].

Ese tipo de frases son oro para una entrevista, porque muestran:

• Capacidad de reflexionar sobre tu propio aprendizaje.
• Vocabulario emocional preciso, sin sonar exagerado.
• Familiaridad con los procesos reales de una empresa tech.

¿Qué significa onboarding en un trabajo de AI? Es el proceso inicial en el que aprendes las herramientas, procesos y cultura de tu nueva empresa. Suele durar varias semanas y combina formación técnica con integración al equipo.

Cómo prepararte para hablar de estos términos en inglés

Una cosa es leer PyTorch o Scikit-learn y otra muy distinta decirlos en una llamada con un reclutador. La pronunciación de marcas y librerías técnicas suele ser el primer obstáculo cuando hablas de tu perfil en inglés.

Algunas ideas prácticas para entrenar este vocabulario:

1. Escucha el diálogo entre John y la investigadora completo y repite cada término en voz alta.
2. Construye frases tipo I use Python and Scikit-learn for data processing describiéndote a ti.
3. Vuelve a este role-play al final del módulo para medir cuánto avanzaste, tal como lo sugiere la profesora [02:30].

¿Cuál de estos términos te costó más pronunciar? Cuéntamelo en los comentarios y nos vemos en la próxima clase.