Hay una respuesta honesta y matizada a esta pregunta, y no es ni «los certificados no sirven para nada» ni «hacete tres diplomados».
Qué mira realmente quien contrata
En trabajos técnicos —desarrollo, datos, IA aplicada— el orden de peso es bastante consistente:
- Lo que puedes mostrar que hiciste. Proyectos, código publicado, cosas que funcionan.
- Cómo resuelves un problema frente a alguien. La entrevista técnica.
- Experiencia previa verificable.
- Formación y certificados.
Los certificados están al final, y eso confunde a mucha gente. Pero «al final» no es «en ninguna parte»: sirven para pasar filtros, para conseguir la primera entrevista cuando no tienes experiencia, y en algunos contextos —licitaciones públicas, empresas grandes, requisitos formales— son directamente obligatorios.
La forma correcta de verlo: un certificado abre la puerta, el proyecto consigue el trabajo. Si el curso te deja solo el certificado y ningún proyecto, te dio la mitad menos valiosa.
Las señales de un curso que no sirve
No hay nada que construir. Si son solo videos y cuestionarios de opción múltiple, vas a terminar con la sensación de haber aprendido y sin poder hacer nada. Es el formato más común y el menos efectivo.
El temario es una lista de palabras de moda sin un proyecto que las conecte. «Aprenderás IA, machine learning, redes neuronales, LLMs, agentes, RAG» en veinte horas significa que no vas a aprender ninguna.
Promete empleo garantizado. Nadie puede garantizarlo.
No dice qué vas a saber hacer al terminar. Un buen temario se puede escribir en verbos concretos: «al terminar vas a poder conectar un modelo a tus propios documentos y publicarlo en un sitio». Uno malo se escribe en sustantivos: «fundamentos de», «introducción a», «conceptos de».
Está desactualizado. En IA esto es especialmente grave. Un curso de 2023 sobre herramientas de IA describe un panorama que ya cambió. Mira la fecha de la última actualización, no la de publicación.
No hay forma de preguntar. Vas a atascarte. Todo el mundo se atasca. Si no hay canal para resolver dudas, la mayoría abandona ahí.
Las señales de uno que sí
Terminas con algo publicado. Un proyecto que puedes mostrar, en tu repositorio o funcionando en línea. Esto es lo que convierte el curso en material de portafolio.
El temario tiene un hilo. Cada módulo construye sobre el anterior hacia un resultado concreto.
Quien enseña trabaja de eso. No es garantía de saber enseñar, pero un instructor que hace el trabajo real conoce los problemas que no salen en la documentación.
Puedes ver una muestra antes de pagar. Un módulo gratuito o una clase abierta te dice más sobre si el formato te sirve que cualquier descripción.
El precio es coherente. Desconfía por igual del curso carísimo que promete transformarte y del que cuesta el precio de un café y ofrece cuarenta horas de contenido, que casi siempre es material reciclado.
El error más común de quien estudia solo
Acumular cursos sin construir nada. Es cómodo: ver clases da sensación de progreso sin la frustración de quedarse trabado. Pero la parte donde te trabas es exactamente donde se aprende.
La regla que más rinde: por cada curso que terminas, haz un proyecto propio que no sea el del curso. Puede ser chico. Lo importante es que tengas que resolver problemas que nadie te resolvió antes.
Diez cursos vistos valen menos que dos cursos aplicados en algo tuyo.
Sobre aprender IA específicamente
Es un área donde la formación formal va notoriamente atrasada respecto de la práctica, porque las herramientas cambian cada pocos meses. Eso tiene dos consecuencias.
Los fundamentos —cómo funciona un modelo de lenguaje, qué es un token, por qué alucina, cómo se estructura un prompt, qué es RAG— sí duran. Vale la pena estudiarlos bien porque se transfieren a cualquier herramienta.
Los tutoriales de «cómo usar tal herramienta versión tal» caducan rápido. Aprendelos de la documentación oficial, gratis, cuando los necesites.
Un buen curso de IA aplicada debería dedicarse mayoritariamente a lo primero y usar lo segundo solo como vehículo.
Cómo está armada VanttAcademy
Nuestra formación en IA está organizada en tres niveles: fundamentos y prompting técnico, desarrollo de agentes y automatización, e integración de IA en web y móvil. Cada uno termina en algo construido, no en un cuestionario, y se emite certificado al completar.
El primer módulo es gratuito, deliberadamente: es la forma de que veas el formato antes de decidir. Puedes empezar por ahí.