IA / ML / Data Science: mercado
IA / ML / Data Science es una familia de roles: ML Engineer (modelos y pipelines en producción), Data Scientist (análisis estadístico, pruebas A/B, modelos de ML), AI Engineer (aplicaciones LLM, RAG, GenAI), MLOps (infraestructura de ML), ingenieros de visión artificial y de NLP. El stack principal es Python, PyTorch, TensorFlow, scikit-learn, pandas, NumPy, Jupyter, MLflow, Kubeflow, HuggingFace Transformers, LangChain, OpenAI API, bases de datos vectoriales (Pinecone, Weaviate, Qdrant). Las tecnologías más demandadas: python, cloud, sql, llm, pytorch. El 27% de los puestos es en remoto. Los datos se actualizan a diario.
El mercado de IA / ML / Data Science tiene ahora 10.721 puestos abiertos, 10.064 de ellos observados recientemente. Median salary $11.979/mo.
El 27% de los empleos de IA/ML son en remoto total; el resto son híbridos o presenciales. Los bancos exigen más a menudo híbrido por cumplimiento normativo; en los equipos internacionales de IA el remoto total es el estándar.
⚠ salario conocido en 884 de 10721 empleos; cuota de remoto a partir de 9069 con formato indicado; 10064 contados como observaciones recientes; no se muestran la tendencia ni la dificultad de contratación
Timeline: postings and sources
How many IA / ML / Data Science postings appeared each week over 180 days, and from how many sources. The second line separates market growth from coverage growth: a jump in the week new sources were connected means we started seeing more, not that the market grew.
New postings and active sources per week
Sources over the period: 357
New sources connected: May 18 +16 · May 25 +12 · Jun 1 +13 · Jun 8 +8 · Jun 15 +8 · Jun 22 +27 · Jun 29 +55 · Jul 6 +29 · Jul 13 +26 · Jul 20 +31 · Jul 27 +13 · Aug 3 +9 · Aug 10 +6 · Aug 17 +8 · Aug 24 +7 · Aug 31 +4 · Sep 7 +6 · Sep 14 +4 · Sep 21 +13 · Sep 28 +9 · Oct 5 +7 · Oct 12 +3 · Oct 19 +17
Week = posting first-seen date, all statuses, 180 days; sources = distinct collection channels that yielded postings for the direction that week; new sources = channels that yielded their first posting for the direction that week.
Salaries over time
Median IA / ML / Data Science salary per week, USD per month.
Median salary, USD per month
Only postings with a USD salary and a known period (month or year), $500–$50,000 per month. Weeks with fewer than 10 such postings are left blank — that means no data, not zero.
Remote work over time
Share of IA / ML / Data Science postings offering fully remote work, per week.
Remote postings, %
The share is among postings that state a format (remote, hybrid, office). Weeks with fewer than 10 such postings are left blank.
Technologies over time
How the share of IA / ML / Data Science postings mentioning each of the top technologies changed.
Postings mentioning the technology, %
Share among postings with a tagged stack; the series starts on Aug 10: earlier stack tags were assigned differently. Weeks with fewer than 20 tagged postings are left blank.
Countries over time
How the share of IA / ML / Data Science postings in each of the top countries changed, per week.
Postings in the country, %
Share among postings with a known country; the chart shows the five countries with the most postings over six months. Weeks with fewer than 20 postings with a known country are left blank. A rising share can mean a newly connected source in that country rather than market growth.
Demanda y oferta observada
| Demanda abierta | 10.721 |
| Oferta observada | — no publicado |
En las últimas semanas, el área de IA/ML ha crecido de forma no lineal: el aumento explosivo de la demanda desde los lanzamientos de ChatGPT, Claude y Gemini en 2023–2025 continúa en 2026. Las fluctuaciones son normales; fíjate en la tendencia general.
⚠ los candidatos que encajan con una vacante aún no se cuentan: se muestran la demanda y el pool observado
Distribución de salarios
Uno de cada diez gana menos de $4750, uno de cada diez más de $20.233. La mitad del mercado está entre $7455 y $16.218. Muestra: 884.
Geografía de la demanda
| país | empleos |
|---|---|
| US | 4228 |
| GB | 971 |
| DE | 447 |
| IN | 446 |
| SG | 408 |
| PL | 365 |
| CA | 317 |
| FR | 236 |
| HK | 168 |
| NL | 121 |
El líder por número de vacantes de IA/ML es EE. UU. (4228 vacantes), seguido de los principales hubs de IT de la CEI y Europa del Este. Importante: esta es la distribución en nuestras fuentes de parsing, no una estimación del mercado global.
⚠ solo número de empleos: el salario por país no se publica
Se usa junto con
El stack principal de ingeniero ML/AI en 2026 es Python, PyTorch, TensorFlow, scikit-learn, pandas. PyTorch domina en research y en las startups de IA; TensorFlow es una opción enterprise sólida. HuggingFace Transformers y LangChain son must-have para un AI Engineer.
Los pares de tecnologías más comunes en ofertas de AI/ML: Python+PyTorch, Python+TensorFlow, scikit-learn+pandas, HuggingFace+LangChain, MLflow+Airflow. Si estás planeando una hoja de ruta de aprendizaje, estas combinaciones maximizan la cobertura de mercado.
Demanda por nivel
| nivel | empleos |
|---|---|
| senior | 3004 |
| principal | 1136 |
| lead | 896 |
| junior | 648 |
| middle | 240 |
El mayor crecimiento salarial está entre Middle y Senior (al incorporar ML en producción y MLOps).
⚠ solo el lado de la demanda: el nivel del pool observado se desconoce en su mayor parte
Empleadores
La demanda se reparte entre 4296 empleadores. El mayor concentra el 1.7%, los diez primeros el 8.7%; el 91.3% restante es cola larga.
| proporción | valor |
|---|---|
| top-1 | 1.7% |
| top-3 | 4.0% |
| top-10 | 8.7% |
| cola larga | 91.3% |
The companies hiring ML/AI engineers most actively right now are large banks, marketplaces, search engines, and international AI startups.
⚠ no se muestran nombres: el clasificador aún no distingue entre agencias de selección y empleadores finales
Dónde ve Zorky este mercado
Observado en 156 fuentes; la mayor concentra el 24.9%: este mercado no depende de un solo canal.
Los empleos de IA/ML aparecen en la mayoría de las fuentes principales: los parsers web (HH, Habr Career, Djinni, DOU, NoFluffJobs, JustJoin.it) aportan la mayor parte del volumen.
Vacantes recientes
- Analyst, Revenue Research (Ad Effectiveness)
- Senior Automation Scientist · GB
- シニアテクニカルプログラムマネージャー ・Active Learning Loop
- Senior New Business Manager · CN
- AIC Apprentice · IN
- ML Engineer · KZ
- PRINCIPAL DATA SCIENCE SPECIALIST · SG
- Data Scientist · US
Últimas vacantes abiertas de IA/ML/DS: las 10 posiciones más recientes con una descripción de calidad suficiente. La lista completa está disponible en nuestro CRM o en el enlace «ver todas» de abajo.
Mercados adyacentes
IA/ML/DS es la especialización IT mejor pagada por mediana en 2026. Haz clic en la barra de cualquier área para comparar en detalle salarios, stack y dinámica.
⚠ los mercados adyacentes para comparar aún no están definidos
Cómo se mide
- Vacante
- un empleo abierto que superó el filtro de calidad y menciona al menos dos tecnologías
- Candidato observado
- un candidato cuyo stack contiene esta tecnología; es un agregado: ni un solo registro sale del perímetro
- Candidato emparejable
- aún no contabilizado
- Ventana
- empleos abiertos en el momento en que se generó el snapshot
Sobre los datos
- Algunos desgloses están ocultos: su cobertura de datos aún no es suficiente.
- Las estadísticas se muestran solo donde la muestra supera un control de calidad.
- Que falte un bloque no significa que el valor sea cero.
Desgloses ocultos actualmente: 8.
Datos a 2026-10-27
Especializaciones
IA/ML/DS se divide en 7 subespecialidades: ML Engineer (modelos en producción), AI/LLM Engineer (IA generativa), MLOps (infraestructura de ML), Computer Vision (imágenes y vídeo), NLP Engineer (texto y lenguaje), Research Engineer (I+D), Data Scientist (estadística y pruebas A/B). Cada nicho tiene su propio rango salarial: haz clic en una tarjeta para ver el detalle.
Preguntas frecuentes
Las preguntas más frecuentes sobre el mercado AI/ML/DS: salarios por nivel, stack (PyTorch frente a TensorFlow), ML Engineer frente a Data Scientist frente a AI Engineer, trabajo remoto, por dónde empezar la carrera, skills de Senior. Las respuestas se recalculan automáticamente a partir de los datos actuales.
¿Qué stack se exige con más frecuencia a un ML engineer?
Principales 5 tecnologías en vacantes de AI/ML/DS: python, cloud, sql, llm, pytorch. Skills base requeridos: Python (avanzado), estadística y álgebra lineal, ML clásico vía scikit-learn. Deep Learning, uno de PyTorch (dominante en research) o TensorFlow (más apto para producción). Trabajo con datos: pandas, NumPy, Jupyter. SQL es obligatorio. Para MLOps: MLflow, Kubeflow, Airflow, Docker, Kubernetes. Una cloud (AWS SageMaker, GCP Vertex AI) es obligatoria en Senior.
¿Quién gana más — ML Engineer, Data Scientist o AI Engineer?
La demanda crece de forma explosiva desde los lanzamientos de ChatGPT, Claude y Gemini. Research Engineer (I+D, papers en NeurIPS/ICML): un techo alto en los laboratorios internacionales.
¿Pueden los ingenieros de ML trabajar en remoto?
En parte: el 27% de las vacantes de ML/IA son en remoto total. Bancos y fintech suelen exigir híbrido por el cumplimiento normativo al trabajar con datos personales y financieros. Marketplaces: más a menudo híbrido. Equipos de IA internacionales: casi siempre favorables al remoto o híbridos con oficina en SF/NYC/Londres. Startups de IA: el remoto total es lo estándar. El salario en remoto es notablemente mayor gracias al grupo global de candidatos y al segmento premium de GenAI. Hay pocas vacantes Junior en remoto: el entrenamiento en producción exige mentoría y acceso a recursos de cómputo.
¿En qué se diferencia ML Engineer de Data Scientist y Data Engineer?
ML Engineer: enfoque en producción: diseñar, entrenar, desplegar y monitorizar modelos de ML. Stack: Python, PyTorch/TensorFlow, MLflow, Docker, Kubernetes. Cercano a un ingeniero backend con especialización en ML. Data Scientist: enfoque en investigación: estadística, pruebas A/B, hipótesis, dashboards, a veces modelos de ML. Stack: Python, scikit-learn, Jupyter, pandas, SQL, a veces R. Data Engineer: infraestructura de datos: pipelines ETL, almacenes, streams. Stack: Spark, Airflow, Kafka, ClickHouse. En salario: ML Engineer y AI Engineer suelen pagar más que Data Scientist (más técnicos); Data Engineer está cerca de ML. Trayectoria: Backend → ML Engineer, Analyst → Data Scientist, Data Engineer ↔ ML Engineer.
¿Por dónde empezar para convertirse en ML engineer en 2026?
El camino óptimo: domina Python (avanzado), estadística y álgebra lineal a nivel universitario, SQL, pandas + NumPy para el trabajo con datos. Luego scikit-learn (ML clásico: regresión, clasificación, clustering) y uno de PyTorch (recomendado para research) o TensorFlow. Pet projects que lucen bien: un proyecto de ML de principio a fin con despliegue en producción (no solo un Jupyter notebook), 1–2 competiciones de Kaggle con medalla de plata o superior, contribuciones a librerías de ML open-source. En Middle añade MLOps (MLflow, Airflow), un cloud (AWS SageMaker o GCP Vertex AI). En Senior: comprensión profunda de entrenamiento distribuido, serving de modelos, A/B tests en producción.
¿Cuántas vacantes de ML/AI hay en la CEI y Europa?
As of the latest data refresh, the Zorky sample contains 12915 active open AI/ML/DS positions across CIS and Eastern Europe. These are postings published in the last 90 days — companies actually hiring. Geography is distributed; the leaders are US, GB, DE. Data is collected from 105 job boards and 16 669 company career sites: Telegram channels (an exclusive stream for AI startups and niche LLM positions), specialised job sites (HH, Habr Career, Djinni, DOU, NoFluffJobs, JustJoin.it, Pracuj.pl), and career pages of fintech and AI teams. Seasonality: ML/AI demand grows non-linearly — an explosive rise since 2023 after ChatGPT, continuing in 2026 with releases of Claude, Gemini, Llama.
¿Dónde ganan más los ML engineers — en Rusia o en Europa?
El motor principal de la brecha es la moneda del contrato y el tipo de empresa. Las empresas rusas locales con contratos en rublos han cerrado la brecha con el mercado polaco en 2 años. Georgia y Armenia atraen a muchos relocant remotos con salario internacional.
¿Qué skills necesita un Senior ML engineer en 2026?
Un ingeniero ML/AI Senior domina el stack completo de ML en producción. Base: Python (avanzado), estadística y álgebra lineal, SQL, pandas, NumPy. Deep Learning: PyTorch o TensorFlow (uno a fondo). Producción: MLflow o Weights & Biases (experimentos), Airflow o Kubeflow (pipelines), un ML en la nube (SageMaker, Vertex AI). Patrones de arquitectura: serving de modelos (Triton, TorchServe), pruebas A/B en producción, entrenamiento distribuido, versionado de modelos.
Dejar una solicitud
Describe la tarea y deja un contacto: la solicitud llega a nuestro CRM y respondemos al contacto que indiques.