AI Data Scientist: el científico de datos de IA en la UNI 11621-8
El AI Data Scientist, el científico de datos de IA, analiza los datos, construye modelos predictivos y convierte la información en decisiones. La UNI 11621-8:2026 lo sitúa en la familia de datos, seguridad e investigación, en estrecha colaboración con el AI Data Engineer y el AI Machine Learning Engineer.
Qué hace un científico de datos de IA
El científico de datos de IA parte de una pregunta de negocio o de un fenómeno que hay que entender, recoge y analiza los datos, formula hipótesis, construye modelos predictivos o explicativos y comunica los resultados a quien toma las decisiones. Trabaja con datos estructurados y no estructurados, con técnicas estadísticas clásicas y con métodos de aprendizaje automático.
Frente a un analista de inteligencia de negocio, tiene competencias técnicas más profundas y sabe construir modelos que generalizan a datos nuevos. Frente a un ingeniero de aprendizaje automático, su enfoque está en el análisis y en extraer valor informativo, más que en la puesta en producción.
Responsabilidades principales
Definir la pregunta que hay que investigar y traducirla en un problema analizable.
Explorar los datos, identificar patrones y formular hipótesis.
Construir modelos predictivos, de clasificación o de agrupamiento.
Validar los resultados con métricas estadísticas adecuadas.
Comunicar los hallazgos a interlocutores no técnicos.
Documentar la metodología y los resultados para que el trabajo sea reproducible.
Colaborar con los equipos de producto, datos e ingeniería.
Las competencias de un científico de datos de IA
Competencias técnicas. Sólidas bases de estadística, dominio de Python o R para el análisis de datos, conocimiento de los principales algoritmos de aprendizaje automático, capacidad de trabajar con SQL sobre grandes conjuntos de datos y familiaridad con las herramientas de visualización y los notebooks interactivos.
Competencias transversales. Pensamiento crítico, comunicación clara con interlocutores no técnicos, comprensión del contexto de negocio y capacidad de traducir problemas reales en problemas analíticos. La UNI 11621-8 subraya también la responsabilidad ética en la elección de los datos, en la mitigación de los sesgos y en la transparencia de las conclusiones.
Formación y trayectoria
El camino típico parte de un título en estadística, informática, ingeniería, física, matemáticas o economía, con una especialización en ciencia de datos o inteligencia artificial. Se valoran mucho la experiencia práctica con datos reales, la participación en competiciones y un portafolio de proyectos demostrables.
El AI Data Scientist en la UNI 11621-8
La norma agrupa sus doce perfiles en tres familias. El AI Data Scientist pertenece a datos, seguridad e investigación, los cuatro perfiles que preparan los datos, protegen los sistemas y exploran las fronteras, con el AI Data Engineer, el AI Security Specialist y el AI Research Scientist. La pregunta a la que responde: «¿Cómo convertimos los datos en modelos y decisiones?». Su orientación: estadística, modelos y análisis.
La certificación UNI 11621-8 de este perfil la emite un organismo de certificación independiente, acreditado según la ISO/IEC 17024, tras un examen independiente que incluye una prueba práctica. La credencial europea que entrega AIPIA es un reconocimiento distinto y complementario: documenta la formación completada con los cursos de AIPIA.
Preguntas sobre el científico de datos de IA
¿Qué hace en concreto un científico de datos de IA?
El científico de datos de IA analiza los datos de una organización para extraer valor predictivo y prescriptivo: formula hipótesis, explora los datos, construye y valida modelos estadísticos y de aprendizaje automático y comunica los resultados al negocio, a lo largo de todo el ciclo, de la definición del problema a la monitorización. El ciclo incluye la recogida y limpieza de los datos, la ingeniería de características, el modelado, la evaluación y el despliegue junto con el ingeniero de aprendizaje automático.
¿Qué diferencia hay entre un científico de datos y un ingeniero de aprendizaje automático?
En la UNI 11621-8 el científico de datos está en la familia de datos, seguridad e investigación y el ingeniero de aprendizaje automático en la de desarrollo e ingeniería: el primero se concentra en la exploración, la experimentación, el modelado y el análisis, el segundo en la producción y la ingeniería del modelo, con MLOps, escalabilidad y monitorización. En las empresas pequeñas los roles se solapan; en las grandes están bien diferenciados.
¿Qué competencias estadísticas y matemáticas necesita un científico de datos?
Un científico de datos necesita estadística inferencial con contrastes de hipótesis, intervalos de confianza y tests A/B, modelos lineales y generalizados, estadística bayesiana, análisis de series temporales, álgebra lineal, cálculo diferencial, probabilidad, muestreo, inferencia causal y diseño de experimentos: las herramientas que protegen un análisis de las conclusiones erróneas. Sirven también para valorar la significación de los resultados y diseñar experimentos rigurosos, incluso para modelos de IA en producción.
¿Tiene que presentar los resultados al negocio un científico de datos?
Sí, es una competencia crítica: un buen científico de datos traduce los resultados estadísticos en conclusiones de negocio y recomendaciones operativas, prepara presentaciones y paneles claros, cuenta la historia de los datos y explica la incertidumbre y los límites de los modelos a interlocutores no técnicos. También apoya las decisiones con estimaciones del impacto económico, como el incremento atribuible y el retorno esperado.
Compara los perfiles y prepárate
La guía de los 12 perfiles profesionales de IA compara toda la norma, familia por familia. La página de formación presenta los cursos de AIPIA: el Curso IA Base y el Curso IA Avanzado terminan con un examen final, y quien lo supera recibe una credencial europea, con sello eIDAS y verificable en Europass.























