Un estudio de ISC2 muestra que 56% ve menos roles junior mientras 53% ve nuevas oportunidades: ambos tienen razón, pero la industria aún no resolvió cómo entrenar sin la repetición que formaba criterio.
Preguntale a un analista senior cómo aprendió el oficio y cerrar falsos positivos rara vez aparece en la respuesta. Ese trabajo construía fatiga de alertas, no expertise. El aprendizaje real llegaba en momentos más escasos: el hit verdadero, la escalación que se convertía en incidente, el analista Tier 2 explicándote qué habías pasado por alto. La investigación autónoma ahora vacía gran parte de esa cola. Para cobertura, es una ganancia clara. Para el banco de talentos, elimina el lugar donde la gente aprendía. Un informe de ISC2 publicado en 2026 bajo el título Rethinking AI’s Impact on Cybersecurity Roles encontró que 48% de los profesionales que usan IA dicen que bajó su estrés, mientras 32% reporta que lo aumentó. Ese segundo grupo tiene más probabilidad de reportar tiempo extra validando salidas de IA y decidiendo cuándo confiar. Sin estructura, la IA mueve el estrés hacia el trabajo de validación.
El pipeline de talento muestra la misma división que el estrés
El mismo estudio de ISC2 halló que 56% dice que la IA redujo la necesidad de roles entry-level, mientras 53% dice que está creando nuevas oportunidades entry-level. Ambas afirmaciones pueden ser ciertas al mismo tiempo: el viejo trabajo junior está encogiéndose y uno diferente está tomando su lugar. Las habilidades en IA encabezan ahora la lista de necesidades de skills en el Cybersecurity Workforce Study 2025 de ISC2, citadas por 41% de los respondentes con necesidades de capacitación reportadas. No podés contratar para salir de una escasez de seniors si nadie está subiendo la escalera detrás de ellos.
La objeción obvia: si la IA maneja el triage, los juniors no necesitan aprenderlo. Los respondentes de ISC2 no están de acuerdo: 62% dice que la IA no ha reducido la necesidad de habilidades fundacionales, versus 26% que dice que sí. Alguien todavía tiene que reconocer un veredicto equivocado, y ese juicio solía venir del triage. Revisar una investigación es una habilidad diferente de conducir una. Un analista puede volverse muy bueno evaluando el trabajo de un sistema automatizado sin la expertise independiente para ver cuándo ese sistema está fundamentalmente equivocado.
Cuatro capacidades críticas que el triage repetitivo solía entrenar sin que nadie lo planeara
El análisis de SentinelOne Labs identifica las capacidades en mayor riesgo: aproximarse a un problema desconocido sin un veredicto inicial del cual partir, formar hipótesis competidoras en lugar de testear la primera ofrecida, notar evidencia faltante o incompleta, y reconocer cuando la premisa de una investigación es incorrecta. Estas son exactamente las habilidades que la vieja cola de alertas ejercitaba sin que nadie lo planificara. Cada práctica de entrenamiento que un SOC implemente ahora debería construir al menos una de ellas, y cada métrica debería testear si se mantienen.
Las responsabilidades están cambiando en cada nivel del SOC. SentinelOne Labs mapea el cambio para analistas Tier 1: de cerrar cada alerta a revisar veredictos de IA y escalar los que no se sostienen. El querying en lenguaje natural acelera la caza de amenazas, pero escribir y leer queries es cómo aprenden los datos: el esquema, las brechas de parsing, los logs faltantes. El camino fuera del triage corre hacia detection engineering, donde los analistas escriben y afinan la lógica de la que depende la IA. El diseño de workflow y el reporte a liderazgo quedan con ingeniería de SOC, líderes de IR y managers, que ahora también poseen las reglas dentro de las cuales trabaja la IA. Cada nueva responsabilidad asume juicio que los analistas solían construir haciendo la vieja. El entrenamiento tiene que suplirlo ahora.
Por qué Brasil y México enfrentan el mismo riesgo sin la misma capacidad de respuesta
El impacto en América Latina no aparece en los datos de ISC2, pero la exposición estructural es clara. Los SOCs en Brasil y México dependen de las mismas plataformas de detección automatizada que están redefiniendo el rol del analista en mercados más maduros, pero con pipelines de talento más estrechos y menor acceso a programas de entrenamiento formal en IA aplicada a seguridad. Un SOC en São Paulo o Ciudad de México que adopte investigación autónoma sin rediseñar su curva de aprendizaje enfrenta el mismo riesgo de erosión de capacidades críticas, pero con menos margen para experimentar: la rotación ya es alta, los salarios no compiten con fintech o cloud providers, y el banco de seniors del cual escalar analistas es más chico. La automatización puede aliviar la carga, pero solo si los líderes de SOC en la región programan deliberadamente la práctica que solía ocurrir naturalmente.
Cinco prácticas que un manager de SOC puede empezar este trimestre
SentinelOne Labs propone correr investigaciones ciegas: hacer que los analistas trabajen una porción de alertas en vivo en frío, antes de ver el veredicto de la IA, y luego usar la cadena de evidencia de la IA como clave de respuesta. Expandir peer reviews para incluir cinco a diez casos cerrados por IA por analista por semana mantiene las habilidades investigativas afiladas y enseña dónde la IA es confiable y dónde necesita un humano. Programar las repeticiones: purple teaming, pruebas atómicas, replays de incidentes pasados y ejercicios de tabletop ponen a los analistas frente a ataques donde la respuesta es conocida, en un calendario fijo que sobrevive un trimestre ocupado. Los ataques emulados también permiten puntuar qué perdió la IA y qué perdieron los analistas, por separado.
Hacer del trabajo de la IA el currículum: que los juniors tracen investigaciones agénticas de vuelta a la telemetría cruda, qué fue recolectado, qué fue comparado, por qué siguió la conclusión. Revisar los misses: veredictos equivocados exponen exactamente dónde se rompió el razonamiento de la IA. Preguntar por qué la IA falló y alimentar la respuesta de vuelta a los workflows. Tratar la propiedad como entrenamiento en gobernanza: escalonar a la gente como se escalona la automatización. Los juniors empiezan revisando veredictos, luego poseen un workflow automatizado de bajo riesgo como respuesta a phishing, y desde ahí expanden por dominio. Asegurar que lean queries generadas, porque están aprendiendo verificabilidad de IA y gobernanza.
Nuestro análisis
El dato de ISC2 que muestra 56% viendo menos roles junior y 53% viendo nuevas oportunidades no es una contradicción: es la definición de una transición mal gestionada. La industria está reemplazando un trabajo repetitivo pero formativo con uno que requiere juicio sin haber construido el puente entre ambos. El patrón es conocido: cada vez que la automatización elimina tareas de bajo nivel, las organizaciones asumen que las habilidades que esas tareas entrenaban eran prescindibles, hasta que descubren que no lo eran. Lo que SentinelOne Labs documenta es el momento exacto en que esa pérdida se vuelve medible: analistas que pueden validar un veredicto de IA pero no pueden formar uno propio cuando el sistema falla.
Lo que todavía no sabemos es cuánto tiempo toma reconstruir esas capacidades con entrenamiento estructurado versus cuánto tomaba con repetición no estructurada, y si el costo de diseñar ese entrenamiento compensa la ganancia en eficiencia del triage automatizado. La pregunta para los próximos dos años no es si la IA puede cerrar alertas más rápido — eso ya está probado — sino si los SOCs pueden entrenar analistas más rápido de lo que los pierden. ¿Cuántos ciclos de contratación fallidos va a tomar antes de que la industria acepte que automatizar el trabajo no automatiza el aprendizaje?
