Vicepresidente de Personas y Organización en un unicornio de IA afirma que los líderes de RR. HH. deben convertirse en los arquitectos de una fuerza laboral humano-máquina

Brad Wilkins es el vicepresidente de Personas y Organización en Cognite, un unicornio de IA industrial. Con dos décadas de liderazgo en el área de Personas en empresas emergentes de SaaS e IA, aporta una visión clara sobre cómo la IA está transformando los recursos humanos.

En nuestra entrevista, nos contó que las mejores empresas no solo están adoptando la IA, sino que están rediseñando sus negocios por completo en torno a ella. Así es como lo están haciendo.

Liderar por delante de la curva

Soy Brad Wilkins, vicepresidente de Personas y Organización en Cognite, un unicornio de IA industrial. Desempeño el papel de socio estratégico de recursos humanos para nuestros líderes ejecutivos en Europa, India, Oriente Medio, Japón y América, pero la trayectoria común de los últimos veinte años importa más que cualquier puesto individual.

He ocupado cinco puestos de vicepresidente y CHRO en empresas emergentes de SaaS e IA, y además he ejercido como socio de un fondo de capital riesgo que invierte en industrias reguladas, lo que me ha proporcionado una perspectiva particular. He observado cómo se repetía el mismo patrón en más de una docena de empresas, y he empezado a abordar de forma temprana cambios en la fuerza laboral que el resto del área de recursos humanos consideraba prematuros.

Hace una década, en Altisource, eliminamos la evaluación anual del desempeño y la sustituimos por lo que llamamos una «evaluación de impacto». La misma conversación, con un centro de gravedad opuesto. Medíamos lo que las personas lograban, no lo que hacían. Reducimos la rotación en las primeras etapas del 14 % al 4 % y aumentamos la retención de los empleados de alto rendimiento del 48 % al 98 %.

La apuesta demostró ser acertada. En Loadsmart, triplicamos la valoración hasta alcanzar los 1.300 millones de dólares mientras duplicábamos la plantilla en 21 países. En Collibra, gestionamos una brusca variación de la plantilla, de 600 a 450 y después a 825 empleados, durante la COVID sin perder el motor de la empresa. Ninguna de esas iniciativas fue de recursos humanos. Fueron iniciativas empresariales que, por casualidad, lideró la función de Personas.

Este momento es la versión más importante de todas aquellas apuestas. El informe Tendencias de Capital Humano 2026 de Deloitte lo presenta como un punto de inflexión: 7 de cada 10 líderes afirman ahora que la velocidad y la adaptabilidad, no la escala, serán su principal ventaja competitiva durante los próximos tres años.

El Índice de IA de Stanford muestra la misma compresión de la curva en el ámbito tecnológico. Además, existe una brecha de 60 puntos entre los líderes que afirman que el diseño intencional de la colaboración entre humanos e IA es importante y quienes realmente están llevando a cabo ese trabajo. Esa brecha es la verdadera historia de 2026.

Las empresas más agresivas no están usando IA en recursos humanos, sino reconstruyendo los recursos humanos en torno a la IA. Los organigramas ahora incluyen agentes como casillas, no solo personas. Los colaboradores individuales dirigen equipos de seis personas, donde los seis subordinados directos son agentes.

Moderna fusionó Recursos Humanos y TI en una única función bajo la dirección de un director de Personas y Tecnología Digital. Walmart describe su transformación como «liderada por las personas y potenciada por la tecnología». Disney nombró a un director de IA y Colaboración.

El puesto de CHRO se está convirtiendo en el de arquitecto de una fuerza laboral híbrida de humanos y máquinas, no en el de un líder de contratación. Las competencias se deprecian más rápido de lo que los ciclos anuales pueden seguir, y cada flujo de trabajo que no hayas rediseñado es lo que BCG y EY denominan ahora «deuda de talento»: potencial no realizado atrapado dentro de una lógica organizativa anticuada.

Esta es mi conclusión, y la expresaré claramente porque creo que el sector todavía la está abordando con demasiada cautela: la IA como herramienta es lo mínimo indispensable. La IA como mentalidad es donde está el trabajo real.

El cambio no consiste en «añadamos un copiloto a la contratación». Consiste en dar por hecho que un agente puede realizar una parte del trabajo y después razonar hacia atrás para determinar dónde se necesita realmente a una persona; yo lo llamo demostrar lo negativo.

Consiste en entender que el cuarto público de tus contenidos de aprendizaje es ahora el propio LLM. Consiste en aceptar que probablemente TI debería volver a estar dentro de la función de Personas. Consiste en reconocer que los empleados con entre cuatro y diez años de antigüedad pueden estar ahora más expuestos que los empleados de nivel inicial, porque los recién graduados son nativos de la IA, mientras que tus profesionales a mitad de su carrera todavía defienden el flujo de trabajo que han pasado una década perfeccionando.

Mi trabajo consiste en impulsar a la organización hacia ese futuro por delante de la curva, no por detrás.

Cómo la IA reduce el tiempo entre una señal débil y una solución estructural

Brad comparte

El mayor cambio no ha sido una herramienta que hayamos adoptado. Ha sido la reducción del tiempo entre una señal débil de la fuerza laboral y una solución estructural… Un ejercicio que históricamente habría consumido semanas del tiempo de un socio de negocio de recursos humanos —recopilar descripciones de puestos, compararlas con datos externos y mapear responsabilidades— se realizó en aproximadamente tres horas.

El mayor cambio no ha sido una herramienta que hayamos adoptado. Ha sido la reducción del tiempo entre una señal débil de la fuerza laboral y una solución estructural.

El modelo operativo dominante en nuestro ámbito ha sido históricamente que los datos de compromiso viven aquí, los datos de desempeño viven allí, las evaluaciones de los nuevos empleados se encuentran en un tercer sistema, los metadatos del calendario y del registro del tiempo están en un cuarto, y alguien prepara una síntesis trimestral que se presenta al liderazgo seis semanas después del momento en que podría haber sido relevante.

Hemos construido nuestra función de Personas sobre la misma arquitectura que nuestra empresa vende a clientes industriales: conectar datos dispares en un único grafo, colocar una capa agéntica por encima y permitir que el sistema revele conexiones que los humanos, por sí solos, no detectarían a tiempo.

Un ejemplo reciente: una evaluación de los nuevos empleados a los 90 días señaló una débil conexión con su responsable. De forma independiente, los datos de registro del tiempo mostraban que el calendario de este responsable había sido absorbido silenciosamente por actividades de preventa que en realidad no formaban parte de su descripción del puesto, aproximadamente la mitad de su semana.

Hace tres años, esos habrían sido dos datos no relacionados en dos sistemas no relacionados, identificados por dos analistas diferentes con seis semanas de diferencia. Para entonces, o bien has perdido al nuevo empleado o has incorporado permanentemente un problema estructural al puesto. Con la IA cotejando las señales en tiempo real, el diagnóstico llevó minutos.

Cuando detectamos el trabajo de preventa asignado incorrectamente, no nos limitamos a corregir el calendario del responsable. Volvimos a la descripción de la familia profesional, reexaminamos si ese trabajo pertenecía realmente a ese puesto, analizamos referencias de profesionales homólogos en empresas comparables y tomamos una decisión estructural sobre dónde debía ubicarse ese trabajo.

Un ejercicio que históricamente habría consumido semanas del tiempo de un socio de negocio de RR. HH. —recopilar descripciones de puestos, compararlas con datos externos y asignar responsabilidades— se realizó en aproximadamente tres horas.

Cómo está cambiando la IA la función de Personas

El cambio de comportamiento importante no es «ahora usamos IA en RR. HH.». Muchas organizaciones pueden decir eso. El cambio de comportamiento consiste en que el tiempo entre una señal débil y una decisión estructural se ha reducido aproximadamente en dos órdenes de magnitud. Eso cambia lo que es la función de Personas.

La planificación de la plantilla deja de ser un documento trimestral y empieza a ser una disciplina de los martes por la tarde. La gestión de capacidades deja de ser una taxonomía estática y empieza a ser un mapa que se vuelve a generar continuamente. El papel del socio de negocio de Personas deja de consistir en gestionar un proceso y pasa a ser el de orquestar un sistema.

El efecto posterior es lo que importa. Cada futura incorporación a ese equipo comienza ahora con una descripción del puesto que refleja el trabajo real, no el trabajo tal como se imaginó cuando se redactó por primera vez el puesto. Su tiempo de adaptación mejora. El coste por contratación disminuye. La calidad de las reuniones individuales entre responsables y empleados aumenta porque el responsable no se ve arrastrado en quince direcciones.

Nada de eso aparece como un despliegue espectacular de IA —no hay ningún chatbot con el que interactúen los empleados—. Pero la organización funciona de una manera cuantificablemente distinta. Ese es el tipo de cambio con el que creo que los líderes de Personas deberían compararse, no con «¿desplegamos un copiloto?».

Cuando la pregunta pasa a ser «¿Por qué esto no puede hacerlo la IA?»

Cada flujo de trabajo pasa por un tamiz de IA como prioridad: la pregunta no es «¿Dónde podría ayudar la IA?», sino «¿Por qué esto no puede hacerlo la IA?».

Lo que atraviesa el tamiz hasta el otro lado es lo que realmente necesita capital humano, juicio humano o empatía humana. Invertir la pregunta es el paso clave. Te obliga a demostrar lo contrario cada vez y saca a la luz una enorme cantidad de trabajo que nadie habría cedido voluntariamente.

Lo que la IA gestiona ahora por mí: síntesis de datos dispares sobre las personas, análisis de puestos y de la arquitectura profesional, redacción —descripciones de puestos, comunicaciones, orientación sobre políticas y presentaciones ejecutivas—, formación para responsables sobre la calidad de las entrevistas, reconocimiento de patrones en las señales de compromiso y sentimiento, correspondencia en el mercado interno de talento e interpretación inicial de políticas.

Estamos incorporando IA generativa en todo ello mediante bibliotecas estructuradas de instrucciones: no un uso improvisado ni «averígualo por tu cuenta». Si tuviera que ponerle una cifra, aproximadamente la mitad de lo que constituía mi trabajo hace cinco años se ha reducido o eliminado. Lo considero una buena noticia, porque lo que queda es el trabajo estratégico y empático sustancial que realmente me llevó a dedicarme a este ámbito.

Por qué la verdadera ventaja está en los datos de entrada, no en los resultados

La IA solo es tan buena como los datos de entrada y la persona profesional que está detrás de ella. No escucho a suficientes líderes decir eso.

Todo el sector se ha centrado en conseguir mejores resultados, cuando la verdadera ventaja está en el lado de los datos de entrada. La misma herramienta, dos profesionales y resultados radicalmente distintos. Las decisiones de criterio —sobre las personas, sobre la cultura, sobre quién merece comprensión y quién necesita una conversación clara— son los datos de entrada. Si omites el trabajo inicial, la maquinaria intermedia no importa.

Así que mi respuesta a «¿Qué sigue siendo humano?» también es «¿Qué hace que valga la pena utilizar la IA?». El cambio que están haciendo los mejores líderes es pasar de la persona en el circuito a la persona al mando. La IA ejecuta; la persona toma la decisión.

Cómo saber qué tipo de trabajo debería «seguir siendo humano»

La IA es excelente para señalar en qué categoría podría encontrarse alguien. La IA es terrible para mantener la conversación que sigue. Lo mismo se aplica a los ascensos. La IA puede mostrarte quién está preparado según las señales de sus capacidades, pero decidir si alguien está preparado para el criterio necesario en el siguiente nivel es, fundamentalmente, una valoración humana.

Donde la IA toma la iniciativa y una persona aprueba: síntesis de datos de la plantilla y detección de patrones, análisis inicial de la arquitectura de puestos, redacción de políticas y comunicaciones estandarizadas, resumen de evaluaciones de desempeño, análisis del sentimiento de compromiso, preparación de entrevistas para managers a partir de transcripciones, clasificación inicial de asuntos de relaciones laborales, comparación de candidatos con marcos de capacidades e interpretación de políticas para preguntas rutinarias.

Donde la IA ayuda y una persona lidera: decisiones de equilibrio en la planificación de la plantilla, decisiones de sucesión, filosofía de compensación y diseño de recompensas, decisiones de diseño organizativo y calibración de las evaluaciones de talento. La IA me proporciona mejores datos de entrada, escenarios más rápidos y reconocimiento de patrones que no detectaría por mi cuenta. Yo tomo la decisión.

Donde la IA no tiene voto: despidos, ascensos, conversaciones delicadas sobre el desempeño, entrevistas de salida, decisiones sobre la profundidad de la reserva de liderazgo, cualquier asunto que implique juzgar si la intención de alguien está alineada con la organización y cualquier momento que requiera interpretar el ambiente. La razón es sencilla: esos momentos requieren empatía, y la empatía es la única capacidad en la que no veo pruebas creíbles de que la IA esté reduciendo la brecha con las personas cualificadas en un plazo significativo. Eso no es un cuello de botella, sino un activo cultural, arraigado en la firme convicción de que el consenso y la equidad son ventajas competitivas, no obstáculos. Lo defendería frente a cualquier argumento de eficiencia que pudiera presentar una IA.

La empresa fintech que anunció que sustituiría a 700 representantes de atención al cliente por IA —y que ahora los está volviendo a contratar discretamente— es la historia aleccionadora que todo líder de Personas debería seguir de cerca. La IA gestionó la velocidad y el volumen. No detectó la empatía ni los casos excepcionales. Los líderes que en 2026 están apostando en contra del criterio humano acabarán escribiendo publicaciones de disculpa en LinkedIn en 2027.

Donde la IA triunfa en RR. HH.

La expectación es real. La IA ofrece grandes beneficios.

El tiempo entre la señal y la acción en asuntos de la plantilla se redujo de semanas a horas. La calidad de las entrevistas de los managers mejoró de forma medible cuando empezamos a ejecutar guiones de preparación sobre las transcripciones: cuando muestras a un manager que el 90 % de sus preguntas de entrevista eran cerradas o que hablaba el 85 % del tiempo, lo corrige. La mayoría quiere mejorar; simplemente nunca había tenido ese espejo.

El tiempo necesario para cubrir los puestos se redujo de forma considerable cuando dejamos de tratar los títulos de los puestos como la unidad de trabajo y empezamos a comparar a los candidatos con las capacidades inferidas. La rotación no deseada se mantiene muy por debajo del 5 %; no únicamente gracias a la IA, pero en parte porque ahora detectamos los problemas de adaptación y de desconexión con el manager mientras todavía se pueden solucionar.

La adopción interna de herramientas de IA se aceleró drásticamente cuando creamos laboratorios de aprendizaje con formato de talleres en lugar de formación tradicional en aula, con las primeras personas adoptantes enseñando a sus compañeros durante el trabajo.

El patrón que más me entusiasma es que la IA está haciendo visible el trabajo que antes era invisible: el manager cuyo calendario se ha desviado, la nueva persona contratada cuyo proceso de incorporación se está torciendo, la persona de alto rendimiento cuyo compromiso empieza a disminuir. Nada de eso se podía identificar antes con rapidez.

Donde la IA no cumple

Brad comparte

La IA todavía tiene dificultades con la traducción cultural matizada entre regiones… He observado diferencias significativas de rendimiento cuando los modelos se enfrentan a dialectos, contextos culturales o matices de la legislación laboral local. Seguimos dependiendo del criterio humano local para todo lo que tenga una dimensión cultural compleja. La tecnología cerrará esa brecha. Todavía no lo ha hecho.

Entré en 2025 esperando que la IA ayudara a calibrar las evaluaciones de desempeño entre equipos: señalando inconsistencias, detectando posibles sesgos y ayudando con la comparación de compensaciones. Hace bien parte de eso. Pero la parte de la calibración que realmente importa es la conversación entre los líderes sobre si esta persona, en este nivel y en este contexto, está desempeñándose como necesitamos que lo haga.

La IA ha sido una contribuyente bastante débil en ese aspecto. Demasiado del desempeño es contextual, relacional y orientado al futuro. La IA es buena reconociendo patrones retrospectivos. No es lo mismo.

El segundo punto en el que falla es el diseño organizativo verdaderamente nuevo. La IA puede decirte cómo han estructurado empresas comparables sus funciones de generación de valor, sus organizaciones de salida al mercado o sus equipos financieros.

Es mucho menos eficaz cuando estás diseñando algo que nadie ha hecho realmente antes, como una estructura funcional que supone que los agentes son subordinados directos y que los humanos son responsables de equipos de agentes. El diseño organizativo orientado al futuro sigue siendo mayoritariamente humano, y espero que eso siga siendo así durante un tiempo.

El tercer punto en el que falla es la sucesión del liderazgo. La IA puede relacionar las capacidades con los requisitos de un puesto, pero no puede decirte quién tiene el capital político, las relaciones o la confianza acumulada con el equipo ejecutivo para tener éxito realmente en un puesto sénior. La sucesión del liderazgo es, en esencia, un problema de confianza humana, y dudo que la IA lo resuelva en un plazo útil.

La IA tampoco ha cumplido la promesa de una plataforma todo en uno. La mayoría de los proveedores de tecnología de RR. HH. que promocionaron en 2024 una plataforma única, integrada y basada en IA lanzaron un panel con un chatbot añadido a un lado.

El valor real proviene de encadenar herramientas especializadas mediante instrucciones estructuradas y flujos de trabajo que los profesionales realmente controlan. Quien te venda la plataforma consolidada te está vendiendo una hoja de ruta, no un producto.

En términos más generales, la IA no ha sustituido el criterio sénior. La IA se ocupa de la velocidad, el volumen y la identificación de patrones. No capta la empatía, los casos excepcionales ni los momentos que requieren una interpretación humana: la conversación difícil, el juicio sobre si alguien se encuentra en un momento de «no sé cómo hacerlo» frente a uno de «realmente no puedo hacerlo», la lectura cultural de una sala. Ese es el trabajo sustancial que quiero que los profesionales hagan más, no menos.

Y el punto que más quiero que los líderes de Personas interioricen: la IA no ha demostrado que los trabajadores de nivel inicial sean quienes corren más riesgo. La creencia convencional de que puedes sustituir tu nivel júnior por agentes es, en mi opinión, exactamente lo contrario de la realidad. La generación que sale de la universidad es nativa de la IA. No necesitan que los convenzan.

La cohorte que realmente está en riesgo son los empleados con entre cuatro y diez años de antigüedad: la persona que construyó su carrera dominando un flujo de trabajo que la IA ahora comprime en minutos y cuyo instinto es defender el flujo de trabajo en lugar de reconstruirlo sobre esa base. Ahí es donde debe concentrarse la verdadera inversión en recapacitación.

Por último, la IA todavía tiene dificultades con la traducción cultural matizada entre regiones. En Europa, India, Oriente Medio, Japón y América, he observado diferencias significativas de rendimiento cuando los modelos se enfrentan a dialectos, contextos culturales o matices de la legislación laboral local. Seguimos dependiendo del criterio humano local para todo lo que tenga una dimensión cultural compleja. La tecnología cerrará esa brecha. Todavía no lo ha hecho.

Cómo la implementación de un flujo de trabajo basado en IA está transformando el proceso de contratación

Este es el flujo de trabajo del que me siento más orgulloso. Creo que muestra cómo será el sector dentro de tres años, y la mayoría de las funciones de Personas todavía no lo han construido.

Se trata de todo el ciclo de contratación, desde la descripción del puesto hasta los comentarios posteriores a la incorporación, funcionando como un único flujo de trabajo conectado sobre una habilidad personalizada de Claude que creamos. La contratación es el caso ideal para explicarlo porque es donde la mayoría de las organizaciones tienen la peor higiene de datos, la mayor variabilidad en el comportamiento de los responsables y la menor tolerancia a equivocarse.

Recorriéndolo de forma ordenada:

Paso 1: Recopilación inicial

El responsable de contratación activa una necesidad. La habilidad realiza con él una entrevista estructurada por voz o texto, en la que identifica los resultados a doce meses, las relaciones con colaboradores y las carencias que descalificarían al candidato.

Contrasta sus respuestas con el plan de dotación de personal del área financiera, la distribución actual del desempeño del equipo y las descripciones de puestos anteriores del responsable para señalar inconsistencias antes de que nadie escriba una sola palabra.

Paso 2: Triangulación de las partes interesadas

Dos o tres conversaciones con pares y subordinados directos, de quince minutos cada una, sintetizadas en una única necesidad compuesta. La habilidad identifica las brechas entre la intención del gerente y la realidad del equipo, y las pone de manifiesto para resolverlas antes de que el puesto se publique externamente.

Paso 3: Generación de materiales

Descripción del puesto con una sección real sobre el impacto, guía de entrevistas estructurada y asignada a lo largo de las distintas rondas, y una rúbrica anclada de 1 a 4 con descriptores conductuales. Los tres materiales tienen control de versiones, son auditables y pueden ser editados por el socio de negocio de Personas antes del lanzamiento.

Paso 4: Entrevistas en directo

Cada entrevistador tiene delante la rúbrica y las preguntas. Las conversaciones se transcriben (con consentimiento), y la habilidad identifica observaciones en tiempo real: la calidad de las preguntas, la proporción de tiempo de habla, las desviaciones y el cumplimiento de la rúbrica.

Paso 5: Puntuación y agregación

Cada entrevistador puntúa según la rúbrica anclada inmediatamente después de la conversación. Las puntuaciones se agregan según los promedios de cada pilar y competencia. La habilidad señala los valores atípicos de los entrevistadores —alguien que puntúa a todo el mundo con un 4, alguien que discrepa significativamente del resto del proceso— para que el socio de negocio de Personas les preste atención.

Paso 6: Decisión

Una sesión de deliberación dirigida por personas, en la que la habilidad proporciona puntos de conversación estructurados, promedios de la rúbrica y cualquier inconsistencia señalada. La decisión es humana, pero la preparación está automatizada.

Paso 7: Incorporación

La habilidad genera los objetivos de 30/60/90 días, la frecuencia de las reuniones de seguimiento con el gerente y las preguntas estructuradas para conocer el pulso. Cada señal de estas consultas vuelve a alimentar con el tiempo los datos de evaluación del candidato.

Paso 8: Ciclo de retroalimentación sobre la calidad de la contratación

Seis meses después, el sistema correlaciona las puntuaciones de las entrevistas con el rendimiento real durante la incorporación y la satisfacción del gerente. La precisión de los entrevistadores se acumula con cada contratación. Surgen patrones: qué gerentes son buenos evaluando determinadas competencias, qué puestos se evalúan mal de forma constante y qué señales de la entrevista predicen con mayor fuerza el éxito.

Todo el ciclo funciona como un único sistema conectado. El trabajo que antes requería dos semanas de esfuerzo fragmentado de un socio de negocio de Personas a través de cinco herramientas ahora requiere unas pocas horas de revisión humana concentrada en un único flujo de trabajo. Y la calidad es mejor, porque cada paso se calibra en función de los pasos anteriores y posteriores. Eso es lo que realmente significa de principio a fin.

Lo que hace que esto funcione no es la herramienta. Es el compromiso estructural de que la habilidad realiza el trabajo pesado y la persona realiza el trabajo pesado del juicio. Cada material que produce la habilidad de Claude es un borrador, no una decisión. El gerente de contratación sigue siendo responsable de definir el puesto. Los entrevistadores siguen siendo responsables de sus puntuaciones. La decisión de contratación sigue tomándose en una sala con personas que deciden si esta es la persona indicada.

Lo que el flujo de trabajo ha eliminado es la labor tediosa que históricamente se interponía entre esos momentos de juicio: reformatear, reescribir, calibrar manualmente y realizar análisis posteriores que nadie tenía tiempo de hacer. Las personas recuperaron su tiempo para ejercer su juicio. El sistema se volvió más riguroso. El trabajo se volvió más interesante. Ese es el intercambio que quiero que haga toda función de Personas.

Por qué las instrucciones son la unidad de trabajo equivocada

Cuando la mayoría de los líderes de Personas ponen en marcha su primera iniciativa de IA, la plantean como un proyecto de instrucciones.

Esta es una excelente instrucción para redactar descripciones de puestos. Esta es una excelente instrucción para resumir los temas de las encuestas de compromiso. Esta es una excelente instrucción para redactar comentarios de evaluaciones de desempeño.

Los profesionales aprenden las instrucciones, las guardan en un documento compartido y sienten que son productivos. La dirección percibe que se está avanzando. Las métricas de adopción aumentan. Seis meses después, observas dónde se ha acumulado realmente el valor y la respuesta es: no demasiado.

Las instrucciones son el movimiento inicial. No son la unidad de trabajo.

La unidad de trabajo es una habilidad o un proyecto: una capacidad estructurada y de varios pasos que toma datos de entrada de múltiples fuentes, ejecuta un proceso coherente sobre ellos, produce un entregable definido y mejora con el tiempo a medida que aprende de los resultados.

El flujo de contratación que describí antes es una habilidad, no una instrucción. Toma como datos de entrada información financiera, aportes de los responsables, aportes de colegas, patrones históricos de desempeño y modelos estructurados de competencias. Produce descripciones de puestos, guías de entrevistas, rúbricas, agregados de puntuaciones, planes de incorporación y señales para los ciclos de retroalimentación como resultados. Mejora con cada contratación porque incorpora datos sobre los resultados. Ninguna instrucción por sí sola hace nada de eso. Una habilidad sí.

La razón por la que esta distinción importa desde el punto de vista operativo es que las organizaciones que se centran en las instrucciones tienden a estancarse en mejoras de productividad del 10-20%: son útiles, pero no transformadoras.

Las organizaciones que se centran en las habilidades y los proyectos desbloquean rediseños a nivel de flujo de trabajo que producen mejoras radicales. El primer tipo de organización está industrializando lo que ya hace. El segundo realmente opera de una manera diferente.

Si hubiera sabido esto antes, habría prescindido de los meses de selección y organización de bibliotecas de instrucciones que todos en nuestro sector hemos estado realizando y habría pasado directamente al diseño de habilidades. Habría invertido en los profesionales capaces de pensar en flujos de trabajo, en lugar de hacerlo en quienes eran buenos escribiendo instrucciones ingeniosas.

Habría creado antes la infraestructura de datos —las conexiones entre nuestros sistemas de gestión de Personas, nuestros sistemas financieros, nuestras herramientas de productividad y nuestras señales de compromiso—, porque las habilidades solo son tan buenas como los datos a los que pueden acceder.

Los líderes que lleguen primero a pensar en términos de habilidades parecerán estar operando en una década diferente a aquellos que todavía gestionan bibliotecas de instrucciones.

Consejos para líderes que afrontan la transformación de la IA

La transformación de la IA es fundamentalmente un problema de capital humano disfrazado de problema tecnológico. La tecnología es la parte fácil. Tu trabajo —y el mío— es la parte difícil. Y acaba de volverse más interesante de lo que ha sido en veinte años.

Uno: Empieza por el trabajo, no por la herramienta. Pasa cada flujo de trabajo por el tamiz —¿por qué no puede encargarse de esto la IA?— antes de preguntar qué herramienta comprar. Si estás aplicando IA sobre un proceso defectuoso, estás industrializando la disfunción. La herramienta no es la estrategia; el rediseño del trabajo es la estrategia. La mayoría de los líderes que conozco y sienten que la IA no ha cumplido sus expectativas son líderes que se saltaron este paso.

Dos: Pasa de concebir la IA como una herramienta a concebirla como una mentalidad. Este es el aspecto que separa a los líderes que respeto de los líderes que tendrán que ponerse al día en 2027. Pensar en términos de herramientas te proporciona copilotos dentro de tu software existente. Pensar en términos de mentalidad te proporciona organigramas en los que los agentes ocupan casillas junto a los humanos, colaboradores individuales que lideran equipos de seis subordinados directos de IA, funciones de aprendizaje que reconocen que su cuarta audiencia es el propio modelo de lenguaje, marcos de capacidades que incluyen el trabajo digital como participante de pleno derecho y funciones de TI que probablemente deberían estar dentro de la organización de Personas en lugar de aparcadas en finanzas. La visión del trabajo como sistema de capacidades está reemplazando la visión del trabajo como conjunto de títulos laborales, y las organizaciones que lleguen allí primero operarán de manera fundamentalmente distinta de aquellas que no lo hagan.

Tres: Dedica una cantidad desproporcionada de tiempo a los datos de entrada. La calidad de cualquier resultado de la IA es una función de la instrucción, el contexto y el criterio del profesional en la fase inicial. Los líderes que están logrando acelerar el trabajo son quienes crean bibliotecas estructuradas de instrucciones del mismo modo que crearían un marco de competencias. Los líderes que se quejan de que la IA no ha cumplido sus expectativas son quienes escribieron tres frases en un asistente conversacional y esperaban magia. Trata tu biblioteca de instrucciones como un activo organizativo. Gobierna su uso. Mejórala. Forma a las personas en ella.

Cuatro: Muestra el panorama a tu gente. La confianza se derrumba cuando los empleados oyen «transformación de la IA» e imaginan despidos. La confianza se reconstruye cuando los líderes utilizan visiblemente las herramientas y explican a las personas en qué se convertirá su trabajo, no solo qué se les está quitando. Los ingenieros dejan de programar y empiezan a trabajar a la izquierda y a la derecha del código: en la arquitectura, el criterio, la traducción de las necesidades del cliente y el diseño de sistemas. Los vendedores dejan de ocuparse de la higiene del CRM y empiezan a gestionar relaciones más profundas con los clientes. Los socios de negocio de Personas dejan de ejecutar procesos y empiezan a orquestar sistemas. El trabajo de visualización es lo que determina si la IA fortalece tu cultura o la vacía por dentro. La confianza en los empleadores ha ido disminuyendo; no puedes darla por sentada.

Cinco: Planta el árbol. Mi proverbio chino favorito: el mejor momento para plantar un árbol fue hace veinte años. El segundo mejor momento es ahora. La mayoría de los líderes de Personas con los que hablo llevan entre seis y doce meses de retraso respecto al punto en el que creen estar. La curva de aceleración es más pronunciada de lo que has calculado. Crea laboratorios de aprendizaje, no aulas; designa promotores de la IA en cada unidad de negocio y acepta que la respuesta que darás a esta pregunta dentro de tres meses será una fracción de la respuesta que darías hoy. Eso no es un problema que haya que resolver. Esa es la condición operativa.

Tres formas en que la adopción de la IA se desmorona

Brad comparte

Ingeniería y producto adoptaron la IA de inmediato. Las funciones que tuvieron dificultades —aquellas cuyo nombre quiero expresar con cuidado y cortesía— fueron las funciones generales y administrativas, donde el trabajo se acerca más a lo que los modelos de lenguaje de gran tamaño hacen de forma nativa…

Ingeniería y producto adoptaron la IA de inmediato. Las funciones que tuvieron dificultades —aquellas cuyo nombre quiero expresar con cuidado y cortesía— fueron las funciones generales y administrativas, donde el trabajo se acerca más a lo que los modelos de lenguaje de gran tamaño hacen de forma nativa y donde los profesionales tenían menos memoria muscular para trabajar con estas herramientas. Hay una profunda ironía en ello.

Las funciones que más tenían que ganar fueron las más lentas en involucrarse, porque sus profesionales habían pasado sus carreras siendo valorados por ser el conocimiento institucional —y ahora la IA está democratizando ese conocimiento, lo que se percibe como una amenaza antes de percibirse como un multiplicador.

La solución no fue la formación técnica. Fue crear un espacio psicológico para que esos profesionales redefinieran cuál era su valor. Lo hicimos mediante talleres en los que podían jugar con las herramientas en tareas reales, junto con sus colegas y en un entorno de bajo riesgo —lo que yo llamo laboratorios de aprendizaje, no aulas. El formato de aula no estaba generando ninguna adopción. El formato de laboratorio produjo un impulso visible en cuestión de semanas.

Aquí hay otros tres ámbitos en los que la adopción de la IA presenta dificultades:

Primero, la adopción desigual entre funciones genera una tensión cultural real. Ingeniería la adoptó al instante. Ventas llegó a ese punto. Algunas funciones generales y administrativas todavía se encuentran en la fase de «pero ¿qué haría yo?» —y esa es exactamente la pregunta equivocada. Se manifiesta como resentimiento silencioso, no como resistencia abierta. La gente empieza a preocuparse de que sus colegas estén usando la IA para parecer más productivos que ellos.

La confianza en las organizaciones habilitadas por la IA es realmente frágil en este momento —los datos de las encuestas de este año sugieren que aproximadamente cuatro de cada cinco trabajadores y directivos están preocupados precisamente por esa dinámica. Si no la gestionas mediante defensores transparentes de la IA en cada unidad de negocio, un uso visible de las herramientas por parte de los líderes y normas claras sobre qué se considera trabajo asistido por IA, la cultura empieza a pagar intereses por una deuda que no se dio cuenta de que estaba contrayendo.

Segundo, he visto a líderes de otras empresas superponer la IA a un proceso defectuoso y llamarlo transformación. Si tu evaluación del desempeño es mala, añadirle IA crea un proceso malo agravado —más rápido, más seguro de sí mismo y más escalable en la dirección equivocada. Empieza por el trabajo en sí, no por la herramienta.

De lo contrario, no estás transformando: estás industrializando la disfunción. Este es el modo de fracaso más común que observo en las organizaciones pares, y casi siempre está impulsado por el equipo de tecnología, que persigue una métrica de despliegue, en lugar de por la función de Personas, que lidera un rediseño del flujo de trabajo.

Tercero, y este es más sutil: la IA no iguala el rendimiento, sino que amplifica la brecha. Las personas con experiencia la utilizan para ampliar sus conocimientos; las personas con menos experiencia la utilizan para generar resultados aceptables pero superficiales que ocultan un razonamiento débil. Una vez que ese trabajo de baja calidad entra en tus datos organizativos, tu siguiente iteración de IA se entrena con él. Es un ciclo de retroalimentación que la mayoría de los líderes no ha considerado.

Lo contrarrestamos haciendo mucho hincapié en el profesional humano al inicio de cada flujo de trabajo: las entradas son el activo, no los resultados. Si permites que la IA se convierta en el igualador de productividad que todos esperaban, dentro de dieciocho meses despertarás con una plantilla en la que la diferencia entre tus personas de mayor rendimiento y el resto será mayor que nunca, no menor.

Tres medidas tácticas para líderes que adoptan la IA

Primero: designa un defensor de la IA dentro de cada unidad de negocio, no solo en ingeniería y producto. La mayoría de las organizaciones tiene defensores de facto de la IA en sus funciones técnicas y en ningún otro lugar. Hazlo de forma intencionada. Da visibilidad al puesto, asígnale tiempo y dale permiso para cuestionar la forma en que opera la función.

Las funciones en las que esto resulta más difícil —finanzas, legal y administración general— son precisamente aquellas en las que se encuentra el mayor potencial de impacto, porque el trabajo de esas funciones se acerca más a lo que los modelos de lenguaje de gran tamaño hacen de forma nativa. Si no designas defensores en esas áreas, estarás dejando sobre la mesa la mayor parte del valor.

Segundo: crea KPI duales —un conjunto para el rendimiento del «ahora» y otro para la capacidad del «próximo paso». La trampa consiste en medir tu transformación por cuánto trabajo actual has automatizado, cuando la verdadera pregunta es cuánto trabajo nuevo has hecho posible.

Los líderes que están triunfando en esto utilizan métricas de ciclo corto del «ahora» —adopción, productividad y tiempo ahorrado— junto con métricas de ciclo más largo del «próximo paso» —nuevas capacidades desarrolladas, nuevos puestos creados y nuevos ingresos u resultados para los clientes posibilitados. Si solo haces seguimiento de las métricas del «ahora», acabarás optimizándote hasta convertirte en una versión más pequeña y rápida de lo que solías ser. El objetivo no es ser más pequeño y rápido. El objetivo es ser diferente de una manera que importe.

Tercero: sé explícito sobre qué decisiones pasan de estar bajo supervisión humana a estar bajo liderazgo humano. El cambio de «la persona observa cómo trabaja la IA» a «la persona dirige el trabajo de la IA y asume el resultado» es el cambio de gobernanza más importante que una función de Personas puede hacer este año. Aclara la responsabilidad. Genera confianza más rápido que cualquier documento normativo y da a tu gente una respuesta clara a la pregunta que realmente se está haciendo: ¿sigo teniendo el control de mi trabajo?

Cuando la respuesta es sí —de forma visible y reiterada, en los momentos que importan—, la adopción se acelera y la resistencia se suaviza. Cuando la respuesta no está clara, cualquier otra iniciativa de IA que pongas en marcha encontrará una fricción que no habías presupuestado.

Qué hace que un líder sea irremplazable

Las empresas que están tropezando ahora trataron la IA como una estrategia de sustitución en lugar de una estrategia de rediseño, y sustituyeron la capa en la que residía el criterio humano. La IA gestionó el volumen. Se perdió el momento. El coste siempre es mayor que el que predecía el modelo de ahorro, porque ese momento se convierte en confianza, en rotación y en la siguiente persona que observa el manual de operaciones y actualiza discretamente su currículum.

Los líderes que ganan de forma constante protegen lo que sigue siendo genuinamente humano. La conversación difícil. La llamada de promoción en la que los datos dicen que sí, pero percibes que la persona aún no está preparada para el peso del siguiente puesto. La salida se gestionó con suficiente consideración como para que la persona que se marcha siga hablando bien de la empresa. El criterio para decidir si alguien necesita un empujón de acompañamiento o merece que le den más margen. Ahí es donde realmente se construyen la retención, la confianza y la reputación, y donde la siguiente persona contratada dice que sí por cómo trataste a la última persona que se marchó.

Orientación al negocio, dominio de la tecnología y una gran empatía no son tres habilidades independientes. Son una sola habilidad expresada de tres maneras.

La razón por la que esto me importa tanto, si soy sincero, se reduce a mis dos hijos.

Mi hijo Jonah tiene siete años. Cada mañana, va directo a una caja nueva de Legos. A veces sigue las instrucciones al pie de la letra. A veces las ignora por completo y construye algo que nadie ha visto antes. No percibe ninguna diferencia entre los dos enfoques: ambos significan que ha construido algo.

Eso no es un estilo de aprendizaje. Es resiliencia. La negativa a dejarse vencer por un muro cuando en algún lugar hay una ventana que aún no has intentado encontrar. También es el rasgo que busco en cada líder que ayudo a contratar a un CEO, porque toda empresa en expansión es un set de Lego al que le faltan la mitad de las instrucciones.

Mi hija Gabi cumplió cinco años y planificó sus propias bolsas de regalos de cumpleaños. Eligió cuidadosamente los dulces y los juguetes para cada amigo. Dibujó ilustraciones personalizadas para cada una. En su propio cumpleaños, el día en que se suponía que ella sería quien recibiera las cosas.

Eso es generosidad, pero, dicho de forma más útil, es un instinto multiplicador de fuerzas: hacer mejores a las personas que te rodean sin que te lo pidan, sin esperar al momento adecuado y sin esperar nada a cambio. Es el rasgo de liderazgo que aparece en todas las salas que he visto funcionar de verdad. La IA no lo fabrica.

La resiliencia y la generosidad son las dos cualidades que quiero que mis hijos lleven consigo a un mercado laboral que no puedo predecir por completo. También son —por coincidencia, no por accidente— las dos cualidades que busco en cada líder que llega a una entrevista final. La IA puede hacer casi cualquier otra cosa. No puede hacer esas dos.

Esa es la apuesta que haría siempre. Y la estoy haciendo siempre.

Sigue el contenido

Puedes seguir el trabajo de Bradford Wilkins en LinkedIn.

¡Próximamente habrá más entrevistas a expertos en People Managing People!