La Jefa de Adquisición de Talento en Thoughtworks Comparte Cómo Convertir la Contratación en un Proceso Predictivo y Basado en Datos con IA

A lo largo de mi carrera, he ocupado cargos ejecutivos en empresas globales de tecnología y consultoría como Thoughtworks, Cognizant y Hewlett-Packard, donde lideré grandes equipos multinacionales de Adquisición de Talento. Al inicio de mi carrera, también trabajé como Socia Estratégica de Talento, asesorando a la alta dirección en planificación de la fuerza laboral, diseño organizacional y estrategia de personas.

Trabajar a gran escala moldeó mi recorrido como líder — gestionando equipos de más de 50 reclutadores, liderando entre 600 y 2,000 contrataciones al año, y logrando resultados récord de eficiencia en el reclutamiento, experiencia del candidato y crecimiento organizacional.

Además de mi liderazgo central en Adquisición de Talento, he creado y dirigido programas estratégicos de marca empleadora, diversidad e inclusión y reclutamiento universitario, implementando iniciativas que aumentaron significativamente la contratación de mujeres y personas con discapacidad y expandieron los canales de talento en etapa temprana en varios países.

Junto a mis roles corporativos, también soy asesora independiente de beecrowd, una plataforma global de programación competitiva y evaluación técnica utilizada por universidades y empresas tecnológicas para evaluar talento en ingeniería de software a gran escala. En este rol, asesoro sobre marcos de evaluación de talento, evaluación de habilidades y la intersección entre excelencia técnica y estrategia de fuerza laboral.

En los últimos años, mi trabajo se ha enfocado cada vez más en cómo la IA y el reclutamiento basado en datos están transformando el liderazgo, la estrategia de talento y el diseño de organizaciones de alto rendimiento en entornos complejos y multinacionales.

You should also read

• 3 Maneras de Construir tu Red Profesional en 2026

• 13 Mejores Cursos de Comunicación 2026

• Cómo Desarrollar La Inteligencia Emocional Y Ser Un Mejor Líder

Por Qué la IA Está Cambiando Más Que Solo la Tecnología

Con la IA, mi función como líder en Adquisición de Talento evolucionó, pasando de centrarme principalmente en la ejecución a diseñar sistemas estratégicos de talento que aprovechan la IA para transformar cómo las organizaciones atraen, evalúan e involucran a los candidatos. Este cambio no es solo tecnológico — redefine las responsabilidades del liderazgo, el diseño organizacional y la relación entre las personas y los datos.

La Adquisición de Talento tradicionalmente es transaccional, pero esta transformación la hace basada en datos y predictiva. En vez de depender de filtros manuales y promedios históricos, ahora aplicamos agentes de aprendizaje basados en IA y modelos predictivos que analizan grandes volúmenes de datos para identificar patrones de éxito y recomendar candidatos con mayor precisión.

Al aprender de los datos históricos, estos sistemas se encargan de las tareas repetitivas, permitiendo que los equipos se enfoquen en lo que mejor hacen: construir relaciones y tomar decisiones estratégicas.

En definitiva, el liderazgo en una era orientada por la IA consiste en diseñar arquitecturas de decisión: crear sistemas donde personas, datos e IA colaboren para obtener mejores resultados. Esto implica construir gobernanzas éticas, indicadores claros y bucles integrados de retroalimentación que permiten a las organizaciones anticipar necesidades, reducir sesgos en la selección y alinear las capacidades de la fuerza laboral con objetivos estratégicos a largo plazo.

Cómo la IA Está Transformando los Flujos de Trabajo y la Toma de Decisiones en Recursos Humanos

Cada vez que rediseñamos un flujo de trabajo con IA, nos guiamos por un principio claro: la IA elimina el esfuerzo manual, estructura señales cuantitativas y destaca insights, mientras que las personas siguen siendo responsables del juicio cualitativo y las decisiones finales.

Aquí algunos ejemplos de mejoras que hemos implementado:

1. Análisis de encuestas y bucles de retroalimentación organizacional

Una de las aplicaciones más efectivas de la IA ha sido analizar grandes volúmenes de datos de encuestas. Utilizando varios modelos Gemini personalizados, procesamos respuestas abiertas de encuestas para identificar temas recurrentes, patrones de sentimiento y riesgos emergentes en equipos y regiones.

En lugar de depender del etiquetado manual o de interpretaciones anecdóticas, la IA nos permite parametrizar el feedback a gran escala y convertir la información cualitativa en señales estructuradas que indican dónde se necesitan más intervenciones. Esto ha mejorado significativamente la rapidez, coherencia y objetividad de la planificación de mejoras organizacionales.

2. Flujos de trabajo internos y eliminación de procesos manuales

También hemos aplicado IA a los flujos de trabajo internos para reducir el trabajo manual y repetitivo. La IA clasifica las solicitudes, estructura los datos no formateados y apoya la preparación de decisiones en diversos procesos internos.

Esto ha reducido de manera significativa la carga operativa, permitiendo que los equipos se concentren en tareas de mayor valor como la resolución estratégica de problemas, la interacción con partes interesadas y la mejora continua en lugar de la ejecución administrativa.

3. Procesos de rendimiento y evaluación

En los procesos internos de evaluación y desempeño, la IA cumple un papel fundamental en el manejo del análisis cuantitativo. La IA busca, agrega y cruza puntos de datos estructurados a lo largo del tiempo, garantizando que las evaluaciones se basen en evidencia longitudinal en vez de hechos recientes o eventos aislados.

Esto permite a los líderes centrarse en los aspectos cualitativos de la evaluación — juicio, contexto, conversaciones de desarrollo y potencial futuro — en lugar de la recopilación de datos. El resultado han sido valoraciones más disciplinadas, justas y fundamentadas en evidencias.

4. Compartir conocimiento y alineación

Usamos NotebookLM como una capa de conocimiento compartido para documentar procesos, decisiones y temas recurrentes, asegurando un acceso rápido y seguro al conocimiento institucional. Compartimos de forma transparente la información capturada en este sistema cuando corresponde, lo que mejora la alineación, reduce malas interpretaciones y crea una base fáctica común entre los equipos.

5. Estrategia, toma de decisiones y diseño organizativo

A nivel estratégico, la IA respalda la manera en que pensamos acerca de la incertidumbre, las prioridades y los compromisos. En vez de prescribir decisiones, la IA ayuda a revelar patrones, cuantificar la ambigüedad y probar hipótesis, particularmente en áreas como diseño de roles, efectividad organizacional e iniciativas de cambio.

Cómo la Analítica Predictiva Mejora la Calidad de las Decisiones de Contratación

En el área de Adquisición de Talento, nuestro tiempo de ciclo ya era consistentemente fuerte, en el rango de 30 a 35 días, así que para nosotros no se trataba de mejorar la velocidad. El verdadero cambio se produjo cuando decidimos rediseñar la calidad del embudo en lugar de la velocidad del proceso.

Primero, capacitamos al equipo de Adquisición de Talento en análisis predictivo y en la segmentación basada en habilidades de la fuerza laboral. En vez de optimizar por volumen, rediseñamos nuestros modelos de recepción y selección para predecir qué perfiles tenían mayor probabilidad de éxito en roles, mercados y equipos específicos. Esto nos permitió reducir intencionadamente la cantidad de candidatos que ingresaban a cada etapa del proceso.

En la práctica, construimos paneles predictivos que combinan resultados históricos de contrataciones, datos de desempeño y señales del mercado. Los reclutadores luego usan estos modelos para enfocarse únicamente en habilidades de alta probabilidad, pasando de obtener calidad a través del volumen a calidad a través de la precisión.

Pero de nuevo: la IA no debe reemplazar el juicio humano, sino potenciarlo. Deliberadamente conservamos la interacción humana en entrevistas, debates de calibración y decisiones finales. Esta combinación nos permitió ofrecer una mejor experiencia al candidato, evaluaciones más reflexivas y decisiones más justas y coherentes.

Cómo el Diseño de Puestos Impacta en los Resultados de Contrataciones Impulsadas por IA

Antes de trabajar con modelos predictivos, subestimaba cuánto las descripciones de puesto ambiguas, inconsistentes o infladas podían distorsionar los resultados de contratación y el comportamiento de aprendizaje de los sistemas de IA. Con IA, el diseño del puesto y la calidad de la descripción del puesto determinan cada decisión posterior.

De hecho, al realizar análisis predictivos sobre nuestros datos históricos de contrataciones surgió un patrón claro. La variabilidad en las definiciones de los puestos conducía a peores resultados — aún más que la baja calidad de los candidatos. En otras palabras, los puestos con habilidades poco especificadas, requisitos poco realistas o señales de antigüedad inconsistentes producían de manera constante una menor conversión, más rechazos en etapas avanzadas y un desempeño temprano más débil, independientemente de la calidad de los candidatos.

Esto cambió fundamentalmente nuestra estrategia. En vez de tratar las descripciones de puestos como insumos estáticos, las rediseñamos como artefactos predictivos. Utilizamos los datos históricos de resultados para distinguir los requisitos que correlacionaban con el éxito de aquellos que solo añadían ruido y ambigüedad. Con el tiempo, esto nos permitió simplificar las definiciones de los puestos, eliminar requisitos no predictivos y focalizar la contratación en un conjunto reducido de habilidades clave y con alto impacto.

Por qué la adopción de la IA debe institucionalizarse y no pilotarse

La mayor desconexión que veo consistentemente entre la promesa de la IA y la realidad organizacional no es tecnológica, es organizacional y humana. La mayoría de las empresas invierten mucho en herramientas de IA y esperan mejoras. Pero mantienen los mismos incentivos, las mismas estructuras jerárquicas y el mismo bajo nivel de alfabetización en datos en sus líderes.

El resultado es que la IA termina infrautilizada o mal utilizada: poderosos modelos que generan conocimientos que no se confían, no se comprenden o no se ponen en práctica.

Nosotros abordamos esta desconexión institucionalizando la adopción de la IA en lugar de tratarla como una serie de pilotos. Creamos un grupo de trabajo transversal dedicado, centrado en el diseño de decisiones habilitadas por IA en Adquisición de Talento.

El grupo de trabajo opera con objetivos explícitos a nivel de negocio. Sus dos objetivos principales son aumentar las tasas de conversión en el embudo de contratación en un 50% mediante la segmentación predictiva y el rediseño de decisiones, y reducir las horas de entrevistas en un 30% adicional eliminando candidatos con baja probabilidad de éxito en etapas tempranas. Estos objetivos obligan a la organización a enfocarse no en experimentos, sino en mejoras de rendimiento sostenidas y a nivel sistémico.

Más allá de las métricas, el grupo es responsable de rediseñar los flujos de decisión antes de introducir la automatización. Mapeamos dónde se toman decisiones críticas de contratación, quién es el responsable, qué datos se requieren y dónde el juicio humano debe ser central. Solo cuando la arquitectura de decisiones está clara, introducimos la IA para potenciar pasos específicos, en vez de aplicar herramientas sobre procesos defectuosos.

También integramos la gobernanza desde el diseño. Esto incluye la posibilidad de intervención humana, monitoreo de sesgos y desviaciones, responsabilidad clara por los resultados del modelo y revisión ética de los casos de uso de alto impacto. Sin esto, la IA tiende a escalar buenas y malas decisiones simultáneamente.

Qué significa estar preparado para la IA en RR. HH. y Adquisición de Talento

Tratamos la IA menos como un conjunto de herramientas y más como una mentalidad para la toma de decisiones. Estar preparados para la IA en nuestra organización significa hacerse mejores preguntas de forma constante: qué señales importan, dónde hay incertidumbre y cómo los datos pueden informar el juicio humano.

La alfabetización en IA se construye a través del trabajo diario, no con formación formal. Los equipos aprenden usando la IA para detectar patrones, poner a prueba supuestos y estructurar decisiones en encuestas, evaluaciones y flujos operativos.

En la práctica, esto se evidencia en la forma en que tomamos decisiones: discusiones más fundamentadas, supuestos más claros, mejor documentación y un lenguaje compartido para trabajar con la incertidumbre. La IA no dirige las decisiones, sino que influye en cómo pensamos antes de tomar una decisión.

La pila de herramientas de tres capas de Carla

Para la ejecución asistida por IA, usamos varias categorías de herramientas. Para comprensión del lenguaje, diseño de puestos y apoyo de conocimiento estructurado, empleamos Gemini, un agente de IA interno y NotebookLM, que sirve como una capa segura de conocimiento interno para documentar procesos y proporcionar acceso rápido y gobernado al conocimiento institucional.

Para inteligencia en entrevistas, utilizamos BrightHire para captar señales estructuradas en entrevistas y mejorar la calibración y la calidad de las retroalimentaciones.

Dentro de nuestra plataforma principal de reclutamiento, empleamos Greenhouse AI principalmente para la elaboración de resúmenes de scorecard y síntesis estructurada de retroalimentaciones de entrevistas, siempre asegurando el total control humano sobre las decisiones de selección.

Por qué NotebookLM y ChatGPT son infraestructuras cognitivas imprescindibles

Actualmente, me fascinan especialmente dos herramientas: NotebookLM y ChatGPT. Las utilizo en contextos muy diferentes.

Utilizo ChatGPT exclusivamente para fines personales, fuera del entorno corporativo. Se ha convertido en mi principal herramienta de pensamiento y aprendizaje personal. La empleo para todo: desde aprendizaje estructurado y escritura hasta explorar ideas, planificar y reflexionar.

La misma plataforma indica que estoy entre sus usuarios más frecuentes, lo que refleja hasta qué punto forma parte de mi flujo cognitivo personal. Su principal impacto ha sido acelerar mi aprendizaje, mejorar mi claridad de pensamiento y ayudarme a razonar con mayor rigor sobre temas complejos.

En mi ámbito profesional, la herramienta en la que más invierto es NotebookLM. La uso de forma intensiva para documentar y estructurar mis reuniones uno a uno, identificar temas recurrentes y mantener una visión consistente y basada en evidencia sobre el desarrollo y desempeño individual a lo largo del tiempo.

Comparto estas notas y resúmenes de manera transparente con las personas con quienes me reúno, lo cual resulta especialmente potente. Esto crea un registro único y alineado de expectativas, retroalimentaciones y compromisos, y ha mejorado de manera significativa la confianza, la equidad y la consistencia en la evaluación del desempeño. Permite que ambas partes trabajen desde la misma base de hechos, en lugar de recurrir a la memoria o interpretaciones subjetivas.

Esto ha dado lugar a una gestión del desempeño mucho más disciplinada y justa: mayor seguimiento de las acciones de desarrollo, menos malentendidos y una mayor alineación entre gestores y miembros del equipo.

Lo que más valoro de estas herramientas es que no son herramientas de automatización, sino infraestructura cognitiva. Usadas de esta forma, no reemplazan el juicio: mejoran la calidad, la equidad y la transparencia de cómo se ejerce el juicio.

Cómo cambiará la adquisición de talento en los próximos cinco años

La adquisición de talento dejará de medirse principalmente por la velocidad o el volumen y se convertirá en una función de calidad de decisión. En los próximos cinco años, el rol evolucionará de ejecutar procesos de contratación a diseñar y gobernar cómo las organizaciones toman decisiones de talento en condiciones de incertidumbre.

La IA asumirá cada vez más las tareas de escala, reconocimiento de patrones y extracción de señales — desde el diseño de puestos hasta el emparejamiento en el mercado — mientras que los equipos de talento serán mucho más precisos e intencionados al diseñar y ejecutar los procesos de selección. La ventaja competitiva vendrá de una definición más clara de los roles, mejor calidad de señales a lo largo del embudo y decisiones de selección más consistentes y basadas en evidencia.

A nivel de industria, creo que veremos una clara división: las organizaciones que traten la IA como una mentalidad integrada en su modelo operativo superarán fundamentalmente a aquellas que la consideren solo un conjunto de herramientas. El futuro de la función pertenece a los equipos que diseñan mejores decisiones, no solo procesos más rápidos.

Cómo pueden los líderes adoptar la IA de manera intencionada en RR. HH.

Para las personas en roles como el mío, mi consejo es dejar de tratar la IA como un complemento opcional y comenzar a verla como parte del modus operandi de cómo se realiza el trabajo. Esto significa centrarse en eliminar la fricción administrativa con IA como paso fundamental. A estas alturas, resistirse a la IA es una contradicción: la pregunta ya no es si usarla, sino cuán intencional y responsablemente la incorporamos en las decisiones y flujos de trabajo diarios.

Al mismo tiempo, debemos ser explícitos sobre lo que debe permanecer siendo humano. La IA es extremadamente eficaz para gestionar la escala, estructurar la información y reducir el ruido. Cuando se usa bien, libera a las personas para que se concentren más — no menos — en lo que importa: el juicio, las relaciones, la ética, la creatividad y el diálogo significativo.

En un sentido más amplio, mi consejo para los líderes es que vean la IA como una fuerza que aclara prioridades. Las organizaciones exitosas usan IA para eliminar el trabajo que la tecnología realiza mejor que las personas y reinvierten deliberadamente ese tiempo y atención en interacciones humanas de mayor calidad.

En lugar de disminuir el liderazgo, la IA crea las condiciones para que surja un liderazgo más reflexivo, enfocado y humano.

Sigue la conversación

Puedes seguir el trabajo de Carla en la revolución de la adquisición de talento en LinkedIn.

¡Pronto más entrevistas con expertos en People Managing People!