¿Reemplazará la IA a los analistas de negocio? Gartner prevé que el 40 % de las aplicaciones empresariales tendrá agentes de IA a finales de 2026. Qué perdura.
Los analistas de negocio siguen siendo necesarios, aunque la IA agéntica esté absorbiendo la parte administrativa del trabajo más deprisa de lo que Gartner predecía hace apenas un año, con un 40 % de las aplicaciones empresariales que se espera que incorporen agentes de IA específicos para tareas a finales de 2026. Las notas de reuniones, los paneles de indicadores y los primeros borradores de requisitos se están convirtiendo en un trabajo más ligero, pero identificar el problema real, alinear la comprensión de las partes implicadas, trazar las líneas de prioridad y prever el impacto operativo seguirán siendo necesarios.
Los analistas de negocio hacen mucho más que recopilar documentos. Ordenan los problemas operativos, los flujos de trabajo, los datos y los intereses de las partes implicadas para definir cuál es el problema real y qué requisitos conducirían de verdad a una mejora. Su responsabilidad no es el análisis por el análisis, sino convertir la ambigüedad en preguntas que los responsables de tomar decisiones puedan utilizar.
El valor de este puesto reside menos en reunir información con rapidez que en transformar un problema difuso en un requisito definido con gran precisión. La IA puede acelerar los resúmenes de notas de reuniones y los primeros borradores de documentos, pero plantear bien la cuestión y trazar las líneas de prioridad sigue correspondiendo a las personas.
Calculado por ai-job-risk.net a partir de cuatro conjuntos de datos públicos, en una escala de 0–100 relativa a las 188 profesiones que analizamos. Una cifra más alta significa que una mayor parte de las tareas del empleo son del tipo que la IA generativa puede hacer o para el que ya se usa. No es la probabilidad de perder el empleo.
Análisis de tareas realizado por investigadores (Eloundou et al.; OIT). Se muestra como percentil entre todas las profesiones que evalúan.
Uso observado de Microsoft Copilot y Anthropic Claude en las tareas de esta profesión. Se muestra como percentil entre todas las profesiones que evalúan.
La BLS no indica ningún factor específico para esta ocupación, así que la proyección sigue sobre todo el crecimiento o la contracción de los sectores que la emplean.
Cifras de EE. UU. para la profesión del BLS «Management analysts». Las proyecciones del BLS suponen que la tecnología sigue avanzando a su ritmo histórico; no son un pronóstico del efecto de la IA por sí sola.
Fuentes
Índice de exposición calculado por ai-job-risk.net a partir de los conjuntos de datos siguientes (datos a 15 de octubre de 2026). Las cifras laborales de EE. UU. proceden del BLS, sin cambios.
Los editores de los datos no han elaborado, revisado ni respaldado este sitio. Citas completas, licencias y método
La IA no reemplazará a los analistas de negocio, pero está absorbiendo la mitad administrativa del trabajo más deprisa que en casi cualquier otro puesto de oficina. Gartner prevé que el 40 % de las aplicaciones empresariales incluirá agentes de IA específicos para tareas a finales de 2026, frente a menos del 5 % en 2025, y McKinsey ha estimado que los agentes de IA podrían aportar billones de dólares de valor anual en las distintas funciones empresariales. La mayor parte de ese valor procede de automatizar precisamente el tipo de trabajo de resumen, redacción y elaboración de paneles que antes llenaba la semana de un analista de negocio, no de sustituir el criterio sobre lo que la empresa necesita realmente.
Ese cambio ya se aprecia en las herramientas que los analistas usan a diario. Plataformas que convierten la voz en requisitos, como Aqua, pueden transformar una descripción hablada de quince segundos en un requisito estructurado y listo para revisar, y complementos de Azure DevOps como Copilot4DevOps ya puntúan automáticamente la calidad de un requisito escrito conforme a marcos estándar. Los analistas combinan cada vez más estas herramientas con modelos de IA para preparar entrevistas y revisar transcripciones de reuniones, con lo que reducen el tiempo necesario para producir un primer borrador de casi cualquier documento de análisis.
Pero la parte difícil del análisis nunca fue ordenar la información. Lo que el personal operativo describe como un problema y el cuello de botella que realmente hay que resolver suelen ser cosas distintas, y las diferentes partes implicadas pueden referirse a cosas distintas aunque usen las mismas palabras. Los analistas de negocio no se limitan a alinear requisitos. Su verdadera función es traducir problemas de negocio ambiguos a una forma sobre la que el personal operativo y la dirección puedan decidir de verdad. La distinción que importa es la que separa el trabajo de organización que la IA ya hace con facilidad del criterio que sigue exigiendo a una persona presente en la sala.
La IA encaja de forma más natural en el resumen de información y en el formato de materiales comparativos, y las herramientas de IA agéntica de 2026 han convertido esto, para muchos equipos de análisis, de un experimento en una práctica habitual.
Las herramientas de transcripción y resumen con IA ya convierten una conversación hablada en puntos ordenados por tema con poco esfuerzo manual, lo que reduce de forma notable la carga de dejar constancia de las reuniones. Pero reconocer qué comentario de quién revela el conflicto de fondo, y qué cuestión sigue de verdad sin resolver bajo un resumen pulcro, sigue siendo trabajo humano.
Organizar en un panel indicadores como los ingresos, la carga de trabajo, el rendimiento o la tasa de abandono es ya algo que las herramientas de análisis asistidas por IA hacen con una configuración mínima, lo que acelera considerablemente la comprensión de la situación actual. Decidir qué indicador refleja realmente el problema de fondo, en lugar del que resulta más fácil de representar en un gráfico, sigue siendo una decisión humana.
Las herramientas que convierten la voz en requisitos, como Aqua, pueden transformar en segundos una breve descripción hablada en un borrador de requisito estructurado, y otras herramientas similares pueden convertir las notas de una entrevista en un diagrama de flujo de proceso estándar. Eso es útil para compartir rápidamente la visión general. Detectar dónde se esconden en ese flujo la gestión de excepciones y las decisiones que dependen de personas concretas sigue correspondiendo a las personas.
Los complementos basados en IA ya pueden contrastar automáticamente un requisito escrito con marcos de calidad estándar y devolver una puntuación con comentarios concretos, lo que pule los primeros borradores antes de que ningún humano los revise. Pero trazar la línea entre los requisitos imprescindibles y los de menor prioridad es una decisión que la herramienta de puntuación no toma.
Lo que sigue en manos de los analistas de negocio es identificar el problema real y convertirlo en requisitos. Cuanto más depende el puesto de conciliar las diferencias en cómo entienden un problema las partes implicadas, más valor humano conserva, y esa es precisamente la capa que se sitúa por encima de las herramientas de redacción automatizada que ahora se ocupan del papeleo.
Antes de desarrollar la funcionalidad solicitada, alguien tiene que determinar qué está atascando realmente el trabajo. La insatisfacción superficial y la causa verdadera suelen ser distintas, y las personas capaces de cambiar la propia pregunta siguen siendo valiosas por muy buenas que sean las herramientas de redacción.
Cuando el personal operativo, la dirección, el equipo técnico y el comercial usan las mismas palabras con significados diferentes, sigue siendo necesario alinear la comprensión. Si se ignora esa brecha, los requisitos pueden parecer completos sobre el papel, e incluso obtener una puntuación de alta calidad de la IA, y aun así fracasar en la práctica.
Cuando todas las peticiones parecen necesarias, sigue siendo necesario decidir qué debe hacerse ahora y qué puede esperar. La esencia del análisis es elegir, y quienes saben explicar las prioridades con claridad hacen avanzar los proyectos más rápido que cualquier panel por sí solo.
Una vez aceptado un requisito, alguien tiene que prever qué cambiará realmente en las operaciones y dónde pueden aparecer efectos secundarios. Una mejora sobre el papel no basta; las personas que analizan pensando en las operaciones reales siguen siendo importantes.
Para los futuros analistas de negocio, la rapidez para resumir importa mucho menos que la capacidad de formular mejores preguntas y de supervisar qué acierta realmente el análisis generado por IA.
Los analistas necesitan la capacidad de seguir preguntando por qué en lugar de aceptar al pie de la letra una petición del personal operativo. Si la pregunta se queda en la superficie, incluso un documento pulido por la IA puede tener poco valor. Separar las causas de los síntomas es esencial y sigue siendo una habilidad completamente humana.
Es importante identificar no solo el flujo estándar, sino también dónde se producen las excepciones y las decisiones que dependen de personas concretas, es decir, las partes del proceso que un panel automatizado de indicadores tiende a suavizar. Muchos de los verdaderos problemas del día a día residen precisamente en esas excepciones.
El trabajo va más allá de clasificar: también implica explicar ese orden de forma que las partes implicadas puedan aceptarlo. El análisis solo genera valor cuando se traduce en un acuerdo, y la secuencia de la explicación y la forma de presentar las pruebas siguen siendo parte de una habilidad que la IA no reproduce.
Incluso cuando la IA produce un resumen limpio o una puntuación alta de calidad de los requisitos, a menudo se le escapan las preocupaciones no expresadas, las dudas o el ambiente de la sala. Los analistas necesitan la disciplina de volver ellos mismos sobre esas incomodidades en lugar de aceptar el resumen como la respuesta definitiva.
La experiencia como analista de negocio desarrolla mucho más que la habilidad de presentar. Forja fortalezas en la identificación de problemas, la definición de requisitos, la priorización y la coordinación de las partes implicadas, habilidades que se trasladan con facilidad mientras la IA agéntica transforma también los puestos afines.
La experiencia en aclarar requisitos ambiguos y alinear la comprensión de las partes implicadas se traslada directamente a la ejecución de proyectos. Esta vía encaja con quienes quieren pasar de definir el problema a impulsar su ejecución.
Índice de exposición 70/100 · Empleo en EE. UU. 2025–35 +6,7%
La experiencia en convertir problemas de negocio en requisitos también sirve para decidir qué debe desarrollarse. Esta vía encaja con quienes quieren pasar de informar sobre el análisis a trazar ellos mismos las líneas de prioridad.
Índice de exposición 82/100 · Empleo en EE. UU. 2025–35 +6,9%
La experiencia en identificar cuellos de botella en los flujos de trabajo y llevar las ideas de mejora a la operación también es útil en la gestión diaria, sobre todo porque una parte creciente de ese trabajo operativo pasa por sistemas impulsados por agentes de IA que siguen necesitando a un responsable humano.
Índice de exposición 63/100 · Empleo en EE. UU. 2025–35 +5,0%
Quienes han analizado dónde se producen repeticiones de trabajo y estancamientos en los flujos suelen desenvolverse bien en el análisis de mejora operativa, más cerca de la ejecución que de la definición de requisitos.
La experiencia en estructurar problemas y conciliar intereses diferentes en propuestas de mejora conecta de forma natural con la consultoría de gestión, sobre todo en organizaciones que ahora intentan averiguar dónde encaja realmente la IA agéntica en sus operaciones.
Índice de exposición 88/100 · Empleo en EE. UU. 2025–35 +10,1%
La experiencia en hacer de intérprete entre las partes implicadas en sistemas y flujos de trabajo también se aplica a los sistemas de recursos humanos y a la gestión laboral, una buena opción para quienes quieren seguir trabajando en la frontera entre las personas y los procesos.
Índice de exposición 85/100 · Empleo en EE. UU. 2025–35 +6,4%
Los analistas de negocio siguen siendo necesarios, aunque la IA agéntica esté absorbiendo la parte administrativa del trabajo más deprisa de lo que Gartner predecía hace apenas un año, con un 40 % de las aplicaciones empresariales que se espera que incorporen agentes de IA específicos para tareas a finales de 2026. Las notas de reuniones, los paneles de indicadores y los primeros borradores de requisitos se están convirtiendo en un trabajo más ligero, pero identificar el problema real, alinear la comprensión de las partes implicadas, trazar las líneas de prioridad y prever el impacto operativo seguirán siendo necesarios. A partir de ahora, el valor a largo plazo dependerá menos de lo bien que alguien sepa resumir y más de lo bien que sepa plantear la pregunta adecuada.
Estas profesiones pertenecen al mismo sector que Analista de negocios. No son el mismo trabajo, pero ayudan a comparar mejor la exposición a la IA y la cercanía entre trayectorias.
Analista de negocios obtiene 88 sobre 100 en nuestro índice de exposición a la IA generativa (puesto 40 de 188). Eso mide qué parte del trabajo puede hacer la IA o para qué parte se usa, no si el empleo va a desaparecer. La BLS prevé que el empleo de Analista de negocios en EE. UU. cambie un +10,1% entre 2025 y 2035.
La IA encaja de forma más natural en el resumen de información y en el formato de materiales comparativos, y las herramientas de IA agéntica de 2026 han convertido esto, para muchos equipos de análisis, de un experimento en una práctica habitual. Por ejemplo: Resumir notas y actas de reuniones; Organización inicial de los indicadores y de los datos de situación; Redactar diagramas de flujo de procesos y listas de requisitos; Puntuar y dar formato a la calidad de los requisitos.
Lo que sigue en manos de los analistas de negocio es identificar el problema real y convertirlo en requisitos. Cuanto más depende el puesto de conciliar las diferencias en cómo entienden un problema las partes implicadas, más valor humano conserva, y esa es precisamente la capa que se sitúa por encima de las herramientas de redacción automatizada que ahora se ocupan del papeleo. Por ejemplo: Identificar el problema real; Alinear la comprensión de las partes implicadas; Trazar las líneas de prioridad; Leer el impacto operativo posterior.
Para los futuros analistas de negocio, la rapidez para resumir importa mucho menos que la capacidad de formular mejores preguntas y de supervisar qué acierta realmente el análisis generado por IA. Por ejemplo: Profundizar en las preguntas; Encontrar las excepciones operativas que los paneles con IA no muestran; Convertir las prioridades en acuerdo; No tomar un resumen de la IA como conclusión.
