¿Qué equipo y habilidades necesita un primer proyecto cuántico?
¿A quién se contrata primero — y qué dice el registro?
El primer perfil que necesita un primer proyecto cuántico es un operador de optimización clásica, no un físico cuántico — porque sin él, el proyecto no tiene número que batir. Rosetta Quantum ha visto este error de casting desde los dos lados de su propia mesa. Cada veredicto de nuestro ledger es una comparación contra un baseline clásico, y el perfil que produjo ese baseline es un operador de solver corriendo software clásico open-source: en nuestra entrada 001, OR-Tools CP-SAT alcanzó el óptimo exacto de una instancia de portafolio de 12 activos en 0,113 s mientras el brazo cuántico (QAOA, simulado) quedó a 42,8% a igual presupuesto (nuestro run-001, sellado el 23-jul-2026). La persona que puso esa vara escribió cero código cuántico.
El patrón generaliza más allá de nuestra mesa. Nuestra escalera de evaluación de pilotos ordena las compuertas de evidencia por matar-barato-primero: la Compuerta 0 es el incumbente clásico afinado sobre tus instancias reales (precio de licencia del número-a-batir: $0 — OR-Tools y CP-SAT son Apache-2.0, según el propio repositorio de Google, accedido el 12-sep-2026); la Compuerta 1 es el circuito candidato en un simulador sin ruido; recién la Compuerta 2 toca hardware pago. Un baseline clásico débil invalida todo lo que viene después — es la forma más común en que un benchmark cuántico muere en revisión. Si la Compuerta 0 se dota mal, el resto del proyecto es teatro.
¿Qué mide en realidad el registro de contrataciones?
Mide que la mayor parte de lo que contrata la industria cuántica no es específicamente cuántico — buena noticia para un primer proyecto, porque significa que la mayoría del equipo probablemente ya está en tu nómina. El rastro público, fechado:
El Chicago Quantum Exchange analizó 5.187 vacantes accesibles (de 10.484 recolectadas, 2018–2023, tomadas de las bolsas de trabajo de QED-C y Quantum Computing Report) y encontró que en 2022–23 el 55% de las vacantes de la industria cuántica pedía como mucho un título de grado — el 14% pedía maestría y el 31% un doctorado (estudio CQE, publicado el 10-sep-2024). En el segmento industria específicamente (excluyendo academia y laboratorios nacionales), cerca de dos tercios de las posiciones estaban abiertas a perfiles de grado o menos.
Esa foto por vacante coincide con lo que las empresas dicen cuando se les pregunta directo. Una encuesta de QED-C a 57 empresas miembro encontró que la industria contrata desde roles especialistas angostos (desarrollador de algoritmos cuánticos, científico de corrección de errores) hasta roles amplios de negocio, software y hardware — y que los roles amplios requieren habilidades que en su mayoría no son cuánticas (Hughes et al., arXiv:2109.03601, encuesta de 2021, publicada en IEEE Transactions on Education 2022).
La escasez es real pero angosta. McKinsey estimó aproximadamente un candidato cuántico calificado por cada tres vacantes y proyectó que menos de la mitad de los puestos cuánticos se llenarían a 2025 sin intervención (McKinsey, 1-dic-2022 — estimación fechada y proyección fechada; no encontramos una re-medición 2026 de ese ratio). Mientras tanto, el lado del dinero creció un orden de magnitud: $12,6B de inversión privada entraron a startups de tecnología cuántica en 2025 (6,3× lo de 2024) y cerca de una de cada tres empresas grandes encuestadas asignó $10M+ a iniciativas cuánticas en 2025 (McKinsey Quantum Technology Monitor 2026). Especialistas escasos más presupuestos crecientes es exactamente el ambiente donde un primer proyecto paga de más por el perfil equivocado primero.
| Hallazgo | Número | Dataset | Fuente (fecha) |
|---|---|---|---|
| Vacantes que piden como mucho grado | 55% (2022–23) | 5.187 vacantes, 2018–2023 | estudio de títulos CQE (10-sep-2024) |
| Vacantes que piden doctorado | 31% (2022–23) | mismo dataset | estudio de títulos CQE (10-sep-2024) |
| Vacantes del segmento industria abiertas a ≤ grado | ≈2/3 (2022–23) | mismo dataset, subset industria | estudio de títulos CQE (10-sep-2024) |
| Empresas que reportan que la mayoría de las habilidades buscadas no son cuánticas | 57 miembros QED-C encuestados | encuesta 2021 | Hughes et al., IEEE Trans. Educ. (2022) |
| Candidatos calificados por vacante | ≈1 por cada 3 | análisis McKinsey | McKinsey (1-dic-2022) |
| Inversión privada en startups cuánticas | $12,6B en 2025 (6,3× 2024) | QTM 2026 | McKinsey (2026) |
| Empresas grandes asignando $10M+ a quantum | ≈1 de cada 3 (2025) | encuesta QTM 2026 | McKinsey (2026) |
¿Qué perfil necesita cada compuerta de evidencia?
Tres perfiles que casi seguro ya empleas, más uno que se alquila después. El mapa del equipo sobre nuestras compuertas de evidencia:
| Compuerta (nuestra escalera de pilotos) | Qué corre | Quién hace el trabajo | ¿Específico cuántico? | Fuente |
|---|---|---|---|---|
| Compuerta 0 — baseline clásico | el mejor solver clásico disponible, afinado, sobre tus instancias reales | ingeniero de optimización / OR o un data scientist fuerte | no | nuestra escalera de pilotos; repo OR-Tools (Apache-2.0, accedido 12-sep-2026) |
| Compuerta 1 — simulador sin ruido | el circuito candidato, simulación statevector | ingeniero de software: Python + un SDK cuántico | quantum-aware, no doctorado | docs open-source de Qiskit (accedidas 12-sep-2026); Hughes et al. (2022) |
| Compuerta 2 — corridas chicas en QPU | misma instancia, mismo presupuesto, hardware real | ingeniero quantum-aware leyendo docs del vendor; la configuración de mitigación de errores decide la factura | sí — primera compuerta donde ata | nuestro explicador de mitigación; páginas de precios de vendors (accedidas 6-sep-2026 en nuestro post de proveedores) |
| todas las compuertas — dueño del problema | selección de instancias, definición de métrica | la persona dueña del problema de negocio | no | nuestra escalera de pilotos |
La división del trabajo importa más que el organigrama. La Compuerta 0 produce el denominador de todo claim posterior; el perfil que la corre tiene que ser bueno en optimización clásica, higiene de benchmarks y realismo de instancias — un oficio que precede a la computación cuántica y se contrata en el mercado general. La Compuerta 1 es ingeniería de software: instalar un SDK, armar el circuito que describe el paper, correrlo sin ruido. El criterio específicamente cuántico — qué mitigación pagar, qué topología de qubits conviene, cómo leer el pricing por puerta nativa de un vendor — recién ata en la Compuerta 2, y a escala de primer proyecto es una consultoría o una contratación fraccional, no una línea permanente de nómina.
¿Cuándo necesita de verdad un especialista cuántico un primer proyecto?
En la Compuerta 2 — y alquilar el criterio suele ser más barato que poseerlo. La primera contribución real del especialista no es escribir el circuito (eso lo hizo el equipo de la Compuerta 1 con docs públicas); es mantener honesta la corrida de hardware: presupuestos de shots, configuración de mitigación de errores (que puede multiplicar el costo de la corrida — publicamos la mecánica en nuestro explicador de mitigación), decisiones de transpilación, y leer resultados sin sobre-afirmar. Esa última parte es la que le importa a Rosetta: un equipo cuya única pericia cuántica llegó con el mandato de encontrar ventaja cuántica tiene un problema de incentivos — el perfil con más probabilidad de matar el piloto barato (el operador clásico) le reporta al perfil cuyo empleo depende de que el piloto sobreviva. El brazo clásico se mantiene independiente; documentamos ese modo de falla en nuestro post de trampas de benchmark.
Lo que un primer proyecto no necesita el día uno, según el registro de arriba: un doctorado en física cuántica en nómina (el 31% de las vacantes pide uno, y esas vacantes se concentran en vendors de hardware, academia y laboratorios nacionales — CQE 2024, datos 2022–23), un algoritmo propietario, ni compromisos de hardware antes de que la Compuerta 1 produzca un número de mejor-caso. Si el mejor caso sin ruido no puede acercarse al baseline de la Compuerta 0, el hardware no lo va a salvar — y ninguna contratación lo arregla tampoco.
Qué no sabemos
- Las vacantes no son contrataciones. El dataset del CQE mide lo que las empresas publicaron, no a quién contrataron ni retuvieron; el título pedido en una vacante es un piso, no un inventario de habilidades.
- El dato de vacantes más fresco termina en 2023. El análisis del CQE se publicó el 10-sep-2024 sobre datos 2018–2023; no encontramos un dataset 2025–26 de vacantes de tamaño comparable. La mezcla de títulos puede haber cambiado.
- El ratio 1:3 de candidatos es una estimación de 2022. McKinsey lo publicó el 1-dic-2022 y no encontramos re-medición desde entonces; los pipelines de formación crecieron (55.000+ estudiantes inscriptos en una sola iniciativa nacional de curso cuántico a febrero de 2026, según el QTM 2026 de McKinsey), así que el ratio plausiblemente se movió.
- Los datos son US-céntricos. Las bolsas del CQE y la membresía de QED-C sesgan a Estados Unidos; la cultura de títulos difiere por mercado.
- Nuestra propia evidencia es N-de-nuestra-mesa. El claim de Rosetta de que el operador clásico produjo cada número de baseline es un hecho de nuestro ledger, no una ley sobre tu proyecto.
Fuentes
- CQE — estudio Quantum Tech Job Accessibility (2024)
- CQE news — la mayoría de los empleos cuánticos no requiere posgrado (10-sep-2024)
- Hughes et al., Assessing the Needs of the Quantum Industry — arXiv:2109.03601 (IEEE Trans. Educ. 2022)
- McKinsey — Five lessons from AI on closing quantum's talent gap (1-dic-2022)
- McKinsey Quantum Technology Monitor 2026
- Google OR-Tools (Apache-2.0)
- Documentación de Qiskit
- Rosetta — Cómo evaluar un piloto cuántico sin quemar presupuesto
- Rosetta — Por qué un baseline clásico débil arruina un benchmark cuántico
- Rosetta — run-001: QAOA vs CP-SAT (sellado 23-jul-2026)
- Rosetta — ¿Qué es la mitigación de errores y por qué encarece las corridas?
- Rosetta — ¿Cómo se hace trampa en un benchmark cuántico (y cómo evitarlo)?
- Rosetta — Cómo elegir proveedor de nube cuántica sin casarse con nadie
Rosetta Quantum publica veredictos con datos crudos reproducibles. Esto es contenido educativo, no un claim de producto.