La jefa de adquisición de talento en Thoughtworks comparte cómo convertir el reclutamiento en un proceso predictivo y basado en datos con IA

A lo largo de mi carrera, he ocupado puestos de liderazgo sénior en empresas globales de tecnología y consultoría como Thoughtworks, Cognizant y Hewlett-Packard, donde lideré grandes equipos de Adquisición de Talento en varios países. Al inicio de mi carrera, también me desempeñé como Socia Estratégica de Talento, asesorando a líderes sénior y ejecutivos en la planificación de la fuerza laboral, el diseño organizacional y la estrategia de personas.

Trabajar a gran escala dio forma a mi trayecto como líder: gestionando equipos de más de 50 reclutadores, liderando de 600 a 2,000 contrataciones anuales y consiguiendo sistemáticamente resultados récord en eficiencia de contratación, experiencia del candidato y crecimiento organizacional.

Además de mi liderazgo en Adquisición de Talento, he creado y liderado programas estratégicos en marca empleadora, diversidad e inclusión y reclutamiento universitario, incluyendo iniciativas que aumentaron considerablemente la contratación de mujeres y personas con discapacidades y ampliaron los canales de entrada a carreras tempranas 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 la excelencia técnica y la estrategia de la fuerza laboral.

En los últimos años, mi trabajo se ha enfocado cada vez más en cómo la IA y la contratación basada 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

• Fundadora de tecnología de RRHH afirma que la mayoría de los proyectos de IA son solo “maquillaje digital” sobre procesos rotos

• Líder afirma que la inercia y el incrementalismo frenan la transformación con IA

• Experto en Reclutamiento con IA Explica que la IA Elimina las Dificultades que Fomentan la Maestría

Por Qué la IA está Cambiando Más que Solo la Tecnología

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

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

Al aprender de datos históricos, estos sistemas se encargan de las tareas repetitivas para que los equipos puedan volver a lo que mejor saben hacer: construir relaciones y tomar decisiones estratégicas.

En definitiva, el liderazgo en una era enfocada en la IA consiste en diseñar arquitecturas decisionales: crear sistemas donde las personas, los datos y la inteligencia artificial colaboran para lograr mejores resultados. Esto implica construir gobernanza ética, métricas claras y bucles de retroalimentación integrados que permitan a las organizaciones anticipar necesidades, reducir el sesgo en la selección y alinear la capacidad de la fuerza laboral con los objetivos estratégicos a largo plazo.

Cómo la IA está Transformando los Flujos de Trabajo y la Toma de Decisiones en RRHH

Cada vez que renovamos un flujo de trabajo con IA, nos guiamos por un principio claro: la IA elimina el esfuerzo manual, estructura las señales cuantitativas y revela conocimientos, mientras que las personas siguen siendo responsables del juicio cualitativo y la decisión final.

A continuación, algunos ejemplos de las renovaciones que hemos realizado:

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 personalizados de Gemini, procesamos respuestas de encuestas abiertas 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 la retroalimentación a gran escala y convertir aportes cualitativos en señales estructuradas que informan dónde se necesitan más intervenciones. Esto ha mejorado significativamente la rapidez, consistencia 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 labores manuales y repetitivas. La IA clasifica solicitudes, estructura entradas no formateadas y apoya la preparación de decisiones en procesos internos.

Esto ha reducido de manera significativa los costos operativos, permitiendo que los equipos se centren en trabajos de mayor valor como resolución estratégica de problemas, compromiso con partes interesadas y mejora continua en lugar de ejecutar tareas administrativas.

3. Procesos de desempeño y evaluación

En los procesos internos de evaluación y desempeño, la IA juega un papel esencial en el manejo del análisis cuantitativo. La IA busca, agrega y compara puntos de datos estructurados a lo largo del tiempo, asegurando que las evaluaciones se basen en evidencia longitudinal en lugar de en la actualidad inmediata o eventos aislados.

Esto permite a los líderes enfocarse en los aspectos cualitativos de la evaluación —juicio, contexto, conversaciones de desarrollo y potencial futuro— en lugar de la recopilación de datos. El resultado ha sido evaluaciones más disciplinadas, justas y basadas en la evidencia.

4. Compartir conocimientos y alineación

Usamos NotebookLM como una capa compartida de conocimiento para documentar procesos, decisiones y temas recurrentes, garantizando un acceso rápido y seguro al conocimiento institucional. Compartimos de manera transparente la información recopilada en este sistema cuando es apropiado, lo que mejora la alineación, reduce la mala interpretación y crea una base de hechos común para todos los equipos.

5. Estrategia, toma de decisiones y diseño organizacional

A nivel estratégico, la IA respalda cómo abordamos la incertidumbre, las prioridades y las compensaciones. En vez de dictar decisiones, la IA ayuda a identificar patrones, cuantificar la ambigüedad y poner a prueba supuestos, especialmente en áreas como el diseño de roles, la efectividad organizacional y las iniciativas de cambio.

Cómo la analítica predictiva mejora la calidad de las decisiones de contratación

En la adquisición de talento, nuestro tiempo de ciclo ya era consistentemente sólido, rondando entre 30 y 35 días, por lo que, para nosotros, no se trataba de mejorar la velocidad. El verdadero cambio llegó 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 de la fuerza laboral basada en habilidades. En vez de optimizar por volumen, rediseñamos nuestros modelos de admisión y selección para predecir qué perfiles tenían más probabilidad de éxito en roles, mercados y equipos específicos. Esto nos permitió reducir intencionadamente el número de candidatos que entraban en cada etapa del proceso.

Prácticamente, construimos tableros de control predictivos que combinan resultados de contrataciones históricas, datos de desempeño y señales del mercado. Los reclutadores utilizaron entonces estos modelos para centrarse únicamente en habilidades de alta probabilidad, pasando de calidad a través del volumen a calidad a través de la precisión.

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

Cómo el diseño del puesto impacta los resultados de contrataciones impulsadas por IA

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

De hecho, al ejecutar análisis predictivos sobre nuestros datos históricos de contrataciones, descubrimos un patrón claro. La variabilidad en la definición de roles conducía a peores resultados, incluso más que la baja calidad de los candidatos. Es decir, los puestos con habilidades mal especificadas, requisitos poco realistas o señales de seniority inconsistentes producían sistemáticamente menor conversión, más rechazos en etapas finales y menor rendimiento inicial, independientemente de la fuerza del grupo de candidatos.

Esto cambió fundamentalmente nuestra estrategia. En vez de tratar las descripciones de puesto como insumos estáticos, las rediseñamos como artefactos predictivos. Empleamos datos históricos de resultados para distinguir los requisitos que se correlacionaban con el éxito de aquellos que solo incrementaban el ruido y la ambigüedad. Con el tiempo, esto nos permitió simplificar las definiciones de roles, eliminar requisitos no predictivos y enfocar la contratación en un conjunto más pequeño de habilidades clave.

Por qué la adopción de IA debe institucionalizarse, no pilotarse

La mayor desconexión que observo constantemente 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 la misma baja alfabetización de datos en los líderes.

El resultado es que la IA termina infrautilizada o mal utilizada: modelos potentes que producen conocimientos que no se confían, no se comprenden o no se aplican.

Abordamos esta desconexión institucionalizando la adopción de IA en lugar de tratarla como una serie de pruebas piloto. Establecimos un grupo de trabajo transversal dedicado, enfocado en el diseño de decisiones habilitadas por IA en la Adquisición de Talento.

El grupo de trabajo opera con metas explícitas 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 entrevista un 30 % más eliminando a los candidatos de baja probabilidad antes en el proceso. Estos objetivos obligan a la organización a centrarse no en la experimentación, sino en mejoras sostenidas del desempeño 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 realizan contrataciones críticas, quién las gestiona, qué datos se requieren y dónde el juicio humano debe seguir siendo central. Solo cuando la arquitectura de la decisión está clara, introducimos IA para reforzar pasos específicos, en vez de añadir herramientas sobre procesos defectuosos.

También integramos la gobernanza por diseño. Esto incluye la posibilidad de intervención humana, monitorización de sesgo y deriva, responsabilidad clara sobre los resultados del modelo y revisión ética de los casos de uso de alto impacto. Sin esto, la IA tiende a escalar tanto las buenas como las malas decisiones simultáneamente.

Qué significa estar preparado para la IA en RRHH y adquisición de talento

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

La alfabetización en IA se construye a través del trabajo cotidiano, no mediante formación formal. Los equipos aprenden utilizando IA para resaltar patrones, probar suposiciones y estructurar decisiones en encuestas, evaluaciones y flujos operativos.

En la práctica, esto se manifiesta en cómo tomamos decisiones: discusiones más basadas en evidencia, supuestos más claros, mejor documentación y un lenguaje compartido para trabajar con la incertidumbre. La IA no toma decisiones, sino que moldea cómo pensamos antes de tomarlas.

La pila de herramientas de tres capas de Carla

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

Para la inteligencia en entrevistas, utilizamos BrightHire para capturar señales estructuradas de entrevistas y mejorar la calibración y la calidad de la retroalimentación.

Dentro de nuestra plataforma central de reclutamiento, utilizamos Greenhouse AI principalmente para resumir hojas de puntuación y sintetizar de forma estructurada el feedback de entrevistas, siempre manteniendo el control humano total en las decisiones de selección.

Por qué NotebookLM y ChatGPT son infraestructuras cognitivas imprescindibles

Estoy especialmente fascinado por dos herramientas hoy en día: NotebookLM y ChatGPT. Las uso en contextos muy diferentes.

Uso ChatGPT exclusivamente para fines personales, fuera de mi entorno corporativo. Se ha convertido en mi principal herramienta personal de pensamiento y aprendizaje. La utilizo para todo, desde el aprendizaje y la escritura estructurada hasta explorar ideas, planificar y reflexionar.

La propia plataforma indica que me encuentro entre sus usuarios principales, lo que refleja hasta qué punto se ha convertido en parte de mi flujo cognitivo personal. Su principal impacto ha sido acelerar mi aprendizaje, mejorar mi claridad mental y ayudarme a razonar con mayor rigor sobre temas complejos.

En mi entorno profesional, mi mayor apuesta es NotebookLM. Lo uso ampliamente para documentar y estructurar mis reuniones uno a uno, hacer seguimiento de temas recurrentes y mantener una visión coherente y basada en evidencia sobre el desarrollo y el desempeño individual a lo largo del tiempo.

Comparto estas notas y resúmenes de manera transparente con las personas con las que me reúno, lo que resulta especialmente poderoso. Esto crea un único registro alineado de expectativas, retroalimentación y compromisos, y ha mejorado significativamente la confianza, la equidad y la consistencia en la evaluación del desempeño. Permite que ambas partes trabajen con la misma base factual, en lugar de depender de la memoria o de interpretaciones subjetivas.

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

Lo que más valoro de estas herramientas es que no son herramientas de automatización, sino infraestructura cognitiva. Utilizadas de este modo, no reemplazan el juicio, sino que mejoran la calidad, equidad y 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 rapidez o el volumen y se convertirá en una función de calidad de decisión. Durante los próximos cinco años, el rol evolucionará de ejecutar procesos de contratación a diseñar y gobernar cómo las organizaciones toman decisiones de talento bajo incertidumbre.

La IA manejará cada vez más la escala, el reconocimiento de patrones y la extracción de señales, desde el diseño de puestos hasta la adaptación al 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 de roles más clara, mejor calidad de señales a lo largo del embudo y decisiones de selección más coherentes y basadas en la evidencia.

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

Cómo los líderes pueden adoptar la IA de forma intencionada en RRHH

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

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

En un sentido más amplio, mi recomendación para los líderes es que vean la IA como una fuerza que clarifica prioridades. Las organizaciones exitosas utilizan la IA para eliminar el trabajo que la tecnología realiza mejor que los humanos 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 conectado

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

¡Vienen más entrevistas con expertos en People Managing People!