Entrevistas de trabajo en IA: preguntas frecuentes y cómo responderlas

Cómo son los procesos de selección de IA en España

En una empresa española mediana o grande, un proceso típico para un puesto de datos o IA tiene entre tres y cinco fases:

• Un filtro de recursos humanos: una llamada breve para validar el encaje general, las expectativas salariales y la disponibilidad.
• Una o dos entrevistas técnicas con el equipo.
• Con frecuencia, una prueba práctica, en directo o para hacer en casa.
• Una entrevista final con quien dirige el área, donde pesan las competencias transversales y el encaje cultural.

Las empresas grandes y las consultoras añaden a veces dinámicas de caso de negocio.

El mercado español tiene dos particularidades que te interesa tener presentes. La primera: muchos procesos para equipos internacionales se hacen en parte o del todo en inglés, y evalúan tu nivel real de conversación técnica en inglés aunque no lo anuncien. La segunda: el nombre del puesto cambia mucho de una empresa a otra, y el mismo título puede esconder trabajos muy distintos.

Por eso, las mejores preguntas que puedes hacer en la primera fase son sobre el día a día real. Qué datos hay disponibles, qué está ya en producción, cuántas personas tiene el equipo y de quién depende. Las respuestas te dirán más que la oferta publicada, y saber preguntar ya forma parte de la evaluación.

Preguntas técnicas frecuentes y cómo enfocarlas

El contenido técnico depende del puesto, pero hay patrones que se repiten.

• Análisis y ciencia de datos: fundamentos de estadística (distribuciones, contraste de hipótesis, correlación frente a causalidad), SQL práctico (joins, agregaciones, funciones de ventana) y Python aplicado a datos.
• Ingeniería de datos: modelado, pipelines, calidad del dato y decisiones de arquitectura.
• Machine learning: el ciclo de vida completo de un modelo, desde definir el problema hasta el despliegue y la monitorización. También las métricas de evaluación y sus trampas; por qué la exactitud engaña con clases desbalanceadas es un clásico. Y, con creciente frecuencia, experiencia con LLMs: prompting, RAG, fine-tuning y sus costes.

Lo que mejor funciona no es recitar definiciones, sino razonar en voz alta con ejemplos propios. Ante una pregunta conceptual, explica el concepto en dos frases y llévalo enseguida a una situación real en la que lo aplicaste: qué decidiste y qué resultado tuvo.

Si no sabes algo, dilo con naturalidad y explica cómo lo averiguarías. Los equipos maduros valoran más la honestidad metodológica que la improvisación. En el trabajo real nadie lo sabe todo, y fingir sale carísimo.

Preguntas de comportamiento y casos de negocio

Las entrevistas de comportamiento miden cómo trabajas, no qué sabes. Las preguntas se repiten mucho: háblame de un proyecto del que estés orgulloso; cuéntame un conflicto técnico con un compañero y cómo se resolvió; describe una vez que tu análisis contradijo lo que el negocio quería oír; qué haces cuando los requisitos cambian a mitad de proyecto.

El método STAR (Situación, Tarea, Acción, Resultado) sigue siendo el estándar para ordenar las respuestas. Da el contexto en una frase, explica tu responsabilidad concreta, cuenta qué hiciste tú (no el equipo en abstracto) y cierra con el resultado, con números si puedes. Antes de la entrevista, prepara entre cinco y siete historias reales que puedas adaptar a distintas preguntas. Inventarlas bajo presión sale mal.

En los casos de negocio, el error clásico es saltar directo al modelo. Imagina que te preguntan cómo plantearías un sistema para predecir bajas de clientes en una teleco. Una respuesta sólida empieza por el problema de negocio: qué decisión va a alimentar el sistema, cuánto cuesta un error, qué datos existen y cuál sería la solución más simple que ya aporte valor.

Demostrar que piensas en el impacto antes que en el algoritmo es justo la señal que buscan los buenos equipos. Cuando un proyecto de IA fracasa, lo habitual es que falle el planteamiento, no la técnica.

La prueba práctica y el portfolio: donde se decide el proceso

La prueba para hacer en casa suele consistir en un conjunto de datos, una consigna abierta y un plazo de entre dos días y una semana. Se evalúa el resultado, pero también el criterio: limpieza y exploración honesta de los datos, decisiones justificadas, código legible y, lo que más distingue a unos candidatos de otros, una comunicación final clara que reconozca las limitaciones.

Un notebook caótico con un modelo potente puntúa peor que un análisis modesto y muy bien explicado. Dedica siempre un apartado a lo que harías con más tiempo, porque demuestra madurez. Si la prueba te parece desproporcionada, de más de un día de trabajo real, puedes preguntar qué alcance esperan. Las empresas serias lo aclaran sin problema.

Mientras tanto, tu portfolio público hace parte del trabajo por ti. Dos o tres proyectos completos y documentados en GitHub, con un README que explique el problema, las decisiones y el resultado, valen más que una lista de diez cursos.

Si vienes de otro sector, el portfolio sustituye directamente a la experiencia laboral previa que te falta. Elige un proyecto aplicado a tu industria de origen: automatizar un proceso real de tu sector o analizar datos públicos de tu ámbito. Así conviertes tu trayectoria anterior en una ventaja narrativa durante toda la entrevista.

Después de la entrevista: seguimiento y negociación

El proceso no acaba al colgar la videollamada. Envía un correo breve de agradecimiento en las 24 horas siguientes, con tu interés y algún punto concreto de la conversación. Mantiene viva tu candidatura sin resultar insistente. Si la empresa no responde en el plazo que se comprometió, manda un único seguimiento educado; más de uno juega en contra.

Cuando llegue la oferta, no aceptes en caliente. Pedir 24-48 horas para valorarla es lo habitual, y ninguna empresa seria lo penaliza. Revisa el paquete completo (fijo, variable, teletrabajo, formación, revisión salarial) y compáralo con los rangos de mercado de las guías salariales públicas.

Si la cifra queda por debajo de lo que esperabas, negocia con datos y alternativas, no con necesidades personales. Los argumentos que funcionan son el valor que has demostrado y el mercado, no el precio de tu alquiler.

Si el proceso acaba en un no, pide un feedback concreto. No siempre lo dan, pero cuando llega es información muy valiosa para el siguiente intento. Las entrevistas de IA se aprenden como cualquier otra competencia: cada una te deja mejor preparado para la próxima. Empieza a presentarte antes de sentirte del todo listo.