For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/es/articles/deepseek-ai-cross-disciplinary-talent-hir-2c6dcdf2.md.
DeepSeek tiene una vacante inusual en su sitio de empleo: **«Talento técnico interdisciplinario de IA»**.
DeepSeek tiene una vacante inusual en su sitio de empleo: «Talento técnico interdisciplinario de IA».
El puesto aparece dentro de las áreas de desarrollo full-stack y algoritmos, pero la descripción indica que está dirigido a personas con capacidades excepcionales que quieran participar en la construcción de la AGI. No impone una restricción importante.
En lugar de solicitar un currículum convencional de IA, DeepSeek afirma que asignará a los candidatos al equipo de investigación o ingeniería que mejor se ajuste a sus intereses y capacidades.
La parte más comentada es la sección de criterios adicionales.
Junto con resultados destacados en competiciones, experiencia profunda en un campo, contribuciones influyentes al código abierto y emprendimiento, DeepSeek incluye un elemento deliberadamente impreciso:
Seguir el camino no convencional.
A primera vista, esto hace que la oferta parezca contradictoria.
DeepSeek también ha utilizado un lenguaje de contratación en el que afirma que no se limita a «buscar genios», aunque este puesto está dirigido explícitamente a personas con capacidades fuera de lo común.
La contradicción resulta más fácil de entender cuando la oferta se analiza junto con entrevistas anteriores del fundador Liang Wenfeng sobre contratación, el joven equipo técnico de DeepSeek y el origen de Multi-Head Latent Attention (MLA).
La imagen que surge no es tanto «queremos personas sin experiencia», sino:
DeepSeek parece valorar más las pruebas de capacidad independiente para resolver problemas que una trayectoria profesional convencional.
La oferta de trabajo es inusual porque evita una lista normal de títulos, especialidades, años de experiencia y cargos anteriores.
La descripción visible indica que el puesto está dirigido a candidatos con capacidades excepcionales que quieran ayudar a crear y construir la AGI.
También señala que no existe ninguna restricción sobre la especialidad académica.
El puesto puede ser de prácticas o de jornada completa.
La oferta actual enumera cuatro requisitos principales:
Los criterios adicionales incluyen:
Esta última línea fue la que hizo que el puesto circulara ampliamente en las redes sociales chinas.
Es difícil convertirla en una puntuación convencional para un reclutador.
No existe un certificado estándar de «carácter no convencional».
La frase parece funcionar como una abreviatura de un perfil más amplio: alguien capaz de cuestionar supuestos, explorar de forma independiente y producir resultados significativos sin esperar a que exista un manual establecido.
La campaña de contratación de DeepSeek de junio de 2026 utilizó otra frase que recibió atención:
«Nunca buscamos simplemente genios».
El mensaje general de la empresa era que quiere encontrar a personas que tengan algo realmente distintivo que aportar.
Este enfoque es menos contradictorio de lo que parece inicialmente.
«Genio» puede referirse al estatus, la reputación, las credenciales de élite o un currículum impecable.
En esta descripción de puesto, la «capacidad excepcional» está vinculada más directamente a comportamientos demostrados:
Por tanto, el puesto no es contrario a las credenciales.
Las medallas de competición y la formación académica siguen apareciendo entre los criterios.
Es más preciso describirlo como agnóstico respecto a la disciplina, pero muy selectivo en cuanto a la capacidad demostrada.
El artículo original repite afirmaciones de reclutadores y cazatalentos según las cuales DeepSeek a veces filtra a candidatos con mucha experiencia y prefiere a personas con solo unos pocos años en el sector.
Estas afirmaciones circulan ampliamente, pero no deben tratarse como normas oficiales de contratación.
La página pública de empleo de DeepSeek no dice:
Más de ocho años de experiencia = rechazo automático
Tampoco dice:
Medalla de oro o nada
Lo que puede verificarse es más matizado.
En entrevistas anteriores, Liang Wenfeng afirmó que DeepSeek y High-Flyer suelen contratar basándose en la capacidad más que en la experiencia previa.
También dijo que muchos puestos técnicos esenciales estaban ocupados por recién graduados o personas que llevaban solo uno o dos años fuera de la universidad.
Eso es una filosofía.
No equivale a un límite estricto de experiencia documentado públicamente.
La misma cautela se aplica a la expresión «aroma de gran empresa» o «estilo de gran empresa».
Medios chinos han informado de comentarios de reclutadores que sugieren que DeepSeek desconfía de candidatos que incorporan procesos altamente estandarizados de grandes empresas a la investigación de vanguardia.
Pero esto no es una norma formal publicada en el sitio de empleo.
Para los candidatos, la conclusión práctica es más sencilla:
No des por hecho que un empleador famoso o un currículum extenso son suficientes. Muestra cómo piensas, qué has construido y en qué aspectos has cuestionado lo establecido.
Liang Wenfeng ha descrito al primer equipo técnico de DeepSeek como inusualmente joven.
En una entrevista ampliamente difundida, rechazó la idea de que el equipo estuviera formado por misteriosas superestrellas ya consolidadas.
Describió a muchos colaboradores como:
También afirmó que DeepSeek-V2 fue construido principalmente por talento formado internamente, en lugar de por un equipo reunido mediante la contratación internacional de figuras destacadas.
El objetivo no era afirmar que la edad produce innovación por sí misma.
Era señalar que la empresa estaba dispuesta a otorgar una responsabilidad técnica importante a personas que no habían pasado una década ascendiendo por la jerarquía estándar del sector.
Esto ayuda a explicar por qué el puesto interdisciplinario actual es tan amplio.
DeepSeek no solo intenta contratar a personas que ya sepan cómo funciona normalmente un laboratorio de IA.
También busca personas que puedan aportar una forma diferente de pensar al laboratorio.
Los comentarios anteriores de Liang sobre la experiencia son centrales en el artículo de origen.
Su argumento no era que la experiencia careciera de valor.
En ámbitos de ingeniería maduros, la experiencia suele ser extremadamente valiosa.
Un ingeniero sénior que construye un sistema de pagos puede evitar modos de fallo que una persona recién llegada nunca ha visto.
Una base de datos, un sistema de seguridad o un motor de recomendaciones en producción se benefician enormemente del conocimiento operativo acumulado.
La investigación de vanguardia en AGI es diferente en un aspecto importante:
Es posible que todavía no exista un método correcto establecido.
Liang sostenía que las personas con experiencia a veces recurren demasiado rápido a una solución conocida.
Alguien con una experiencia menos convencional puede estar más dispuesto a explorar repetidamente el problema desde sus primeros principios y llegar a un enfoque que se ajuste mejor a la situación actual.
Este es un intercambio real.
La experiencia puede evitar errores repetidos.
También puede crear supuestos sobre qué direcciones «obviamente» no merece la pena probar.
La cultura de DeepSeek parece estar diseñada para conservar más espacio para el segundo comportamiento.
Un campo maduro tiene restricciones estables.
Un campo de frontera tiene supuestos inestables.
El artículo de origen utiliza ejemplos como:
Estas son técnicas importantes.
Pero ninguna organización de investigación seria puede asumir que la arquitectura estándar de hoy seguirá siendo indefinidamente la arquitectura adecuada.
En la frontera, la pregunta difícil a menudo no es:
¿Cómo optimizamos el enfoque aceptado?
Sino:
¿Qué supuesto aceptado deberíamos dejar de aceptar?
Ese es el entorno en el que el talento interdisciplinario puede adquirir valor.
Un físico puede plantear la optimización de otra manera.
Un matemático puede detectar un invariante que un ingeniero pasa por alto.
Un investigador de sistemas puede cuestionar la estructura computacional.
Un filósofo puede identificar un problema conceptual que no puede reducirse al rendimiento en los benchmarks.
El objetivo no es sustituir la experiencia técnica.
Es ampliar el conjunto de supuestos que se ponen a prueba.
El artículo de origen señala Multi-Head Latent Attention (MLA) como el ejemplo más claro de esta cultura.
MLA es un componente arquitectónico fundamental introducido en DeepSeek-V2 y continuado en DeepSeek-V3.
Los materiales técnicos oficiales de DeepSeek-V3 confirman que MLA es central para el diseño de inferencia eficiente del modelo.
La historia de su origen procede de una entrevista con Liang Wenfeng.
Dijo que la idea comenzó como un interés personal de un joven investigador que estudiaba cómo habían evolucionado las arquitecturas de atención y se preguntaba si podía diseñarse una alternativa.
DeepSeek formó después un equipo en torno a la idea.
Se necesitaron meses para convertir el concepto inicial en una arquitectura funcional.
Esta historia es importante porque no sigue el esquema:
El director ejecutivo elige la arquitectura
→ el equipo implementa la arquitectura
Se parece más a esto:
Un investigador detecta un supuesto
→ el investigador explora una alternativa
→ la idea muestra potencial
→ la organización asigna recursos
→ el equipo la convierte en investigación de producción
Liang describió la estructura general de investigación de DeepSeek como ascendente, con personas que aportan sus propias ideas y equipos que se forman alrededor de direcciones prometedoras.
Ese es exactamente el tipo de entorno en el que un criterio de contratación como «seguir el camino no convencional» adquiere más sentido.
Visto así, la inusual descripción del puesto resulta menos misteriosa.
Los cinco criterios adicionales apuntan al mismo rasgo subyacente.
Un resultado destacado en una competición sugiere la capacidad de resolver problemas difíciles y desconocidos bajo presión.
Alcanzar un nivel excepcional en un ámbito sugiere perseverancia y profundidad.
Describe tu idea una vez y We0 AI puede generar un sitio de presentacion, paginas y CMS, y ayudarte a atraer clientes y trafico tras el lanzamiento.
Una generación completa de proyectos para registro gratuito
Lo mejor para probar un flujo de generación completo y ver rápidamente el primer borrador del proyecto.
El campo no tiene que ser la IA.
Un proyecto sólido de código abierto ofrece a DeepSeek algo concreto que puede examinar.
Muestra si el candidato puede crear sistemas útiles fuera de un proceso formal de empleador.
Construir algo desde cero hasta la primera versión demuestra iniciativa en condiciones de incertidumbre.
Este es el criterio menos medible, pero conecta todos los demás.
Plantea si la persona puede desenvolverse sin un mapa previamente escrito.
La variable común no es la edad.
Es la iniciativa.
DeepSeek no es el único laboratorio de IA de frontera que contrata a personas cuya disciplina original no es el aprendizaje automático.
El artículo de origen compara DeepSeek con Anthropic y Google DeepMind.
Los ejemplos son reales, aunque algunas estadísticas del artículo original sobre el número de empleados se basan en análisis de currículums realizados por terceros y no en datos oficiales de la plantilla.
La tendencia general es más fácil de verificar:
Los laboratorios de IA de frontera necesitan cada vez más personas que trabajen en ética, filosofía, conciencia, teoría de la decisión, gobernanza, psicología e interacción entre humanos e IA, además de la ingeniería y la investigación tradicional en aprendizaje automático.
Esto se debe en parte a que los propios sistemas plantean ahora preguntas que no pueden responderse únicamente optimizando benchmarks.
Amanda Askell es uno de los ejemplos más claros.
Su formación es en filosofía, especialmente en ética y teoría de la decisión.
Antes de Anthropic, trabajó en OpenAI.
En Anthropic, se convirtió en una figura central del trabajo sobre el carácter de Claude.
La Constitución de Claude de Anthropic de 2026 indica que Askell dirige el trabajo sobre el carácter de Claude y que es la autora principal del documento.
Esto no significa añadir la filosofía como decoración después de construir el modelo.
La investigación de Anthropic sobre el entrenamiento del carácter trata preguntas como las siguientes como cuestiones de producto y alineación:
El artículo de investigación de 2024 «El carácter de Claude» afirma que el objetivo era ir más allá de la inocuidad simple hacia rasgos más ricos, como la curiosidad, la veracidad, la apertura mental, la paciencia y el juicio reflexivo.
Este trabajo requiere una implementación técnica.
Pero decidir qué tipo de comportamiento debe entrenarse es, en parte, un problema filosófico.
La Constitución de Anthropic de 2026 convierte este trabajo interdisciplinario en un documento operativo mucho más amplio.
Los agradecimientos indican que Askell dirigió su desarrollo y escribió la mayor parte del documento.
Entre los demás colaboradores se incluyen investigadores que trabajan en psicología de modelos, autonomía epistémica, seguridad, valores y alineación.
Por tanto, la presencia de filósofos dentro de una empresa de IA de frontera no es accidental.
A medida que los modelos adquieren más capacidades, las preguntas que antes pertenecían principalmente a la filosofía académica se convierten en requisitos de ingeniería:
¿Qué debería valorar el sistema?
¿Cómo debería razonar bajo incertidumbre moral?
¿Cuándo debería delegar?
¿Cómo debería representar su propia incertidumbre?
Estas cuestiones no se resuelven añadiendo más GPU.
El artículo de origen también menciona a Ben Levinstein, cuya trayectoria investigadora incluye la epistemología y la teoría de la decisión.
Las publicaciones de investigación actuales de Anthropic y los agradecimientos de la Constitución de Claude confirman que Levinstein contribuye al trabajo de investigación de Anthropic.
La descripción exacta de su historial laboral en el artículo original debe tratarse con cautela, salvo que se compruebe en su perfil profesional directo.
El punto general se mantiene: la organización de alineación de Anthropic incluye investigadores cuya formación procede de áreas como la filosofía, la teoría de la decisión, la ciencia cognitiva y disciplinas relacionadas.
Google DeepMind hizo que la tendencia fuera especialmente explícita en 2026.
Henry Shevlin anunció que se incorporaría a Google DeepMind en mayo con el cargo real de:
Philosopher
Su trabajo se centra en:
Shevlin continúa afiliado al Leverhulme Centre for the Future of Intelligence de la Universidad de Cambridge.
No se trata de un puesto normal de ingeniería de aprendizaje automático.
Su propósito es trabajar en preguntas que se vuelven operativas a medida que los sistemas de IA adquieren más capacidades.
Por ejemplo:
Las respuestas pueden afectar a las políticas de los modelos, las prioridades de investigación, las decisiones de seguridad y el diseño de productos.
DeepSeek, Anthropic y Google DeepMind no contratan al mismo tipo de persona por la misma razón.
| Empresa | Ejemplo | Por qué importa la formación |
|---|---|---|
| DeepSeek | Talento técnico interdisciplinario de IA | Aportar ideas técnicas independientes desde fuera de una trayectoria fija en IA |
| Anthropic | Amanda Askell / trabajo sobre el carácter | Definir y entrenar valores conductuales y capacidades de juicio más ricos |
| Google DeepMind | Henry Shevlin / Philosopher | Estudiar la conciencia de las máquinas, las relaciones entre humanos e IA y la preparación para la AGI |
El hilo común no es que «las empresas de IA prefieran de repente a los graduados de humanidades».
Eso sería una reacción exagerada.
La IA de frontera sigue siendo intensamente técnica.
El hilo común es:
A medida que los sistemas de IA adquieren más capacidades, algunos de los problemas más difíciles ya no encajan perfectamente dentro de una sola disciplina.
Un laboratorio de AGI se enfrenta simultáneamente a varias categorías de preguntas.
¿Cómo se entrena, sirve y escala el modelo de forma eficiente?
¿Qué arquitecturas, optimizadores, objetivos de entrenamiento y estrategias de datos funcionan?
¿Cómo funcionan realmente el razonamiento, la memoria, la agencia y la generalización?
¿Cómo debería interactuar el sistema con las personas?
¿Qué comportamiento debería aprender?
¿Qué significa que un modelo comprenda, razone, actúe de forma autónoma o pueda tener estados relevantes para su bienestar?
Las dos primeras categorías pertenecen al territorio conocido de la ingeniería.
Las categorías posteriores suelen requerir otras formas de especialización.
Por eso la contratación interdisciplinaria es cada vez más visible.
El título del puesto dice «interdisciplinario», pero la señal de evaluación real parece ser más profunda que «tener una especialidad diferente».
Un candidato de física que siga todos los caminos convencionales no es automáticamente más valioso que un investigador de IA.
Un candidato de informática que cuestione repetidamente los supuestos puede encajar muy bien en el puesto.
El puesto parece buscar una combinación de:
Esto explica por qué sigue siendo necesario contar con conocimientos básicos de programación.
No es un puesto para alguien que quiera evitar el trabajo técnico.
Es un puesto para alguien cuya identidad profesional previa no tiene que ser necesariamente la de «investigador de IA».
La forma más segura de leer la oferta no es:
DeepSeek solo quiere genios jóvenes.
Tampoco:
A DeepSeek no le importa la experiencia.
Una interpretación más útil es:
Muestra pruebas de que puedes abordar de forma independiente problemas difíciles.
Estas pruebas podrían ser:
La credencial exacta importa menos que lo que demuestra sobre la forma de trabajar del candidato.
Varias afirmaciones del artículo original son interesantes, pero no constituyen normas de contratación de primera mano.
| Afirmación | Nivel de evidencia |
|---|---|
| DeepSeek incluye actualmente «Talento técnico interdisciplinario de IA» | Confirmado en el sitio oficial de empleo |
| No existe una restricción importante | Confirmado en la descripción del puesto |
| «Seguir el camino no convencional» es un criterio adicional | Confirmado en la oferta de trabajo |
| Los puestos técnicos esenciales han incluido históricamente a muchos recién graduados o investigadores al inicio de su carrera | Respaldado por entrevistas con Liang Wenfeng |
| MLA comenzó a partir del interés personal de un joven investigador | Respaldado por una entrevista con Liang Wenfeng |
| DeepSeek rechaza automáticamente a candidatos con más de ocho años de experiencia | No confirmado como norma oficial |
| «Por debajo de la medalla de oro, básicamente no se considera» | Afirmación de un reclutador o cazatalentos, no una política oficial |
| DeepSeek prohíbe formalmente a las personas procedentes de «grandes empresas» | No es una norma oficial de contratación publicada |
| Anthropic cuenta exactamente con 70 ingenieros con formación en física, 78 en matemáticas y 13 en filosofía | Análisis de currículums de terceros citado por el artículo original; no verificado de forma independiente aquí |
| Google DeepMind contrató a Henry Shevlin como «Philosopher» | Confirmado por el anuncio de Shevlin y por informaciones de Cambridge |
Es un puesto actual de DeepSeek para candidatos que quieran trabajar en investigación o ingeniería de AGI sin restricciones sobre la especialidad académica. DeepSeek afirma que asignará a los solicitantes al equipo que mejor se ajuste a sus intereses y capacidades.
No. La descripción pública del puesto indica que no existe una restricción importante sobre la especialidad. Sin embargo, exige conocimientos básicos de programación informática, una sólida formación académica, una gran capacidad de aprendizaje y un interés demostrado y prolongado por la IA.
DeepSeek no lo define como una credencial medible. En contexto, parece recompensar el pensamiento independiente y las pruebas de que un candidato puede resolver problemas difíciles sin limitarse a seguir los patrones habituales del sector.
No. El puesto interdisciplinario está disponible tanto para prácticas como para contratación a jornada completa, y no publica un límite formal de años de experiencia. Liang Wenfeng ha afirmado que muchos puestos técnicos esenciales estuvieron ocupados históricamente por recién graduados e investigadores al inicio de su carrera, pero eso no equivale a una prohibición oficial de contratar a candidatos con experiencia.
Según la entrevista con Liang Wenfeng, sí. Afirmó que un joven investigador estudió la evolución de las arquitecturas de atención, propuso una alternativa y que DeepSeek formó después un equipo que dedicó meses a convertir la idea en un sistema funcional.
MLA es una arquitectura de atención utilizada en DeepSeek-V2 y DeepSeek-V3 para reducir el coste de inferencia, especialmente la carga de la caché de claves y valores. El informe técnico oficial de DeepSeek identifica MLA como un componente central de su diseño de inferencia eficiente.
El trabajo de alineación de Anthropic incluye preguntas sobre valores, juicio, carácter, autonomía y la forma en que un asistente de IA debería comportarse en situaciones difíciles. Amanda Askell, cuya formación es en filosofía, dirige el trabajo sobre el carácter de Anthropic y es la autora principal de la Constitución de Claude de 2026.
Sí. Henry Shevlin anunció que se incorporó a Google DeepMind en mayo de 2026 con el cargo de «Philosopher» para trabajar en la conciencia de las máquinas, las relaciones entre humanos e IA y la preparación para la AGI.
El puesto de «Talento técnico interdisciplinario de IA» de DeepSeek es inusual porque elimina la restricción normal sobre la especialidad académica, pero mantiene un umbral muy alto de capacidad demostrada. Los resultados en competiciones, la experiencia profunda, el trabajo de código abierto, el emprendimiento y «seguir el camino no convencional» apuntan a lo mismo: pruebas de que un candidato puede actuar de forma independiente ante problemas difíciles.
Esa filosofía coincide con la descripción que Liang Wenfeng hizo anteriormente de la cultura de DeepSeek. Históricamente, la empresa ha confiado trabajos importantes a investigadores jóvenes y al inicio de su carrera, y MLA es un ejemplo concreto de una idea ascendente que pasó de la curiosidad personal de un investigador a convertirse en una arquitectura fundamental.
Anthropic y Google DeepMind muestran que el patrón general no es exclusivo de DeepSeek. Los laboratorios de IA de frontera emplean ahora a filósofos y otros especialistas no tradicionales porque las preguntas sobre el comportamiento de la IA, la conciencia, el juicio y las relaciones humanas se han convertido en cuestiones prácticas de investigación.
La señal común de contratación no es «joven», «ajeno a la IA» ni «genio». Es la capacidad de pensar de forma independiente, profundizar y producir algo útil cuando el manual estándar resulta incompleto.
Empieza con una sola frase y obtén un sitio completo en minutos.
