¿Dónde están las oportunidades IT en 2026? Fintech, data centers y AI infra

#1 – Fintech LATAM (con foco Brasil/Pix)

Qué están contratando

Backend/API (rails de pagos, reconciliación, antifraude), Mobile (iOS/Android), Data/Analytics (detección de fraude, credit scoring), DevSecOps/Observabilidad, y QA para regresiones de alto volumen.

El ecosistema crece por nuevas features de Pix (Automático, Parcelado) y su adopción masiva.

Skills base y tech stack

• Backend: Java/Kotlin, .NET, Go; mensajería (Kafka), PostgreSQL/Redis; observabilidad (OpenTelemetry).
• Data/Fraud: SQL avanzado, Python, feature engineering en tiempo real/streaming; entender SLAs y conciliación en pagos instantáneos (Pix/SPEI/Transfiya).
• Security/Compliance: OWASP API, PCI-DSS, AML/KYC; feature flags y rollbacks seguros.

Ruta de entrada

1. Replica un mini-checkout con Pix (sandbox/mock): QR → webhook → conciliación.
2. Armá un caso simple de antifraude: regla + modelo (ej. XGBoost) con dataset sintético; medí precision/recall y costo por falso positivo.
3. Agregá observabilidad: dashboard de latency p95, timeouts y fallos por PSP.
4. Publicá README con arquitectura, trade-offs y playbook de incidentes.

#2 – AI Infrastructure & Data Centers

Qué roles se mueven

SRE/Platform Engineering, DevOps/Cloud, Networking y Facilities/Power. Uptime prevé mayor densidad y estrés energético, y Synergy confirma pipeline y capacidad en expansión.

Qué piden (skills y credenciales)

• Infra as Code (Terraform), Kubernetes (operadores, autoscaling), observabilidad (Prometheus/Grafana, tracing), networking L4/L7, storage distribuido, seguridad (mTLS, secret mgmt).
• Plus: experiencia con alta densidad (liquid/immersion cooling), power budgeting y SRE practices para colas de inferencia.

Ruta de entrada

1. Publicá un platform blueprint para workloads de IA (K8s + nodepools GPU “placeholder”), autoscaling y guardrails de costo.
2. Armá un runbook SRE: error budget, SLO de latencia/throughput y playbook de degradación controlada.
3. Sumá dashboards p95/p99 + tracing de rutas calientes y synthetic checks.
4. Terraform con OPA policies y manejo de secrets; explica trade-offs en el README.

#3 – Data & Analytics para productos con IA

Se buscan Analytics Engineers (dbt/SQL), Data Scientists orientados a negocio, MLOps (feature stores, monitoreo de drift) y BI con storytelling. La adopción cloud native sigue creciendo y empuja estos perfiles.

Skills base y tech stack

• SQL avanzado y modelado dimensional (estrella/copo).
• dbt (modelos + tests) y orquestación (Airflow/Prefect).
• Python (pandas) + experimentación (A/B, métricas de producto).
• MLOps: MLflow/registry, monitoreo de drift y desempeño.
• LLMOps (cuando aplique): RAG básico, evaluaciones offline y guardrails.
• BI: capa semántica y tableros claros orientados a decisión.

Ruta de entrada

1. Construí un caso E2E: ingesta → modelo sencillo → métrica de negocio.
2. Definí data quality checks y panel de observabilidad de features/modelos.
3. Publicá un notebook con decisiones y ROI esperado (aunque sea estimado).

#4 – Ciberseguridad orientada a producto