Experto en Reclutamiento con IA Explica que la IA Elimina las Dificultades que Fomentan la Maestría
Descubre cómo un fundador de reclutamiento utiliza la IA para rediseñar la contratación, las operaciones y el liderazgo, asegurando que el juicio humano, la maestría y el desarrollo del equipo sigan siendo centrales.
Liderazgo: La IA requiere que los líderes se centren en la transición humana y no solo en la tecnología o las herramientas.
Reclutamiento: La IA mejora el reclutamiento refinando los procesos de selección y emparejamiento de candidatos, requiriendo menos currículos.
Ingeniería: La IA está transformando los roles de ingeniería junior, lo que podría provocar una escasez de talento senior más adelante.
Procesos: La adopción efectiva de la IA requiere el rediseño de los procesos, no solo la incorporación de nuevas herramientas de IA.
Maestría: Los líderes deben asegurar que los empleados enfrenten dificultades productivas para desarrollar habilidades de juicio profundas.
David Stepania es un líder empresarial y fundador en serie. Actualmente es CEO de ThirstySprout, un marketplace que conecta talento remoto en ingeniería de IA con startups estadounidenses financiadas.
Nos sentamos con David para descubrir cómo la IA está cambiando el liderazgo y la contratación. Esto es lo que nos contó.
La IA está reescribiendo lo que significa ser un equipo de alto rendimiento
Soy David Stepania, fundador y CEO de ThirstySprout, un marketplace que conecta talento remoto en ingeniería de IA — la mayoría de América Latina, Europa del Este y Asia — con startups tecnológicas financiadas en EE. UU. También he creado ChoppingBlock.ai, una plataforma de inteligencia salarial y de empleos con IA, y soy anfitrión del pódcast AI Chopping Block.
Sigue leyendo—y sigue liderando de manera más inteligente
Crea una cuenta gratuita para terminar este artículo y unirte a una comunidad de líderes visionarios que están desbloqueando herramientas, guías prácticas e ideas para prosperar en la era de la IA.
Soy un fundador autofinanciado por partida doble. Sin capital de riesgo, sin red de seguridad: cada empresa que construí tuvo que ser rentable para sobrevivir. Mi último emprendimiento fue listado en el Inc. 5000 como #247 en 2024 y, a lo largo de mi carrera, he generado más de $100 millones en ingresos.
Gestiono todo de forma completamente remota desde lugares soleados del mundo, con un equipo distribuido en cuatro continentes.
Mi trayectoria como líder ha sido una larga lección sobre lograr más con menos. El autofinanciamiento te obliga a eso. No puedes solucionar todo contratando gente, así que te vuelves muy bueno apalancando recursos: procesos, sistemas, y las personas adecuadas en los lugares adecuados.
Me parece fascinante este momento de la IA porque lo observo desde dos frentes al mismo tiempo. Internamente, estoy reconstruyendo mi propia organización con la IA como capa de ejecución. Externamente, recibo docenas de startups financiadas que me cuentan exactamente lo que ahora buscan en ingenieros—y esa demanda ha cambiado más rápido en los últimos 18 meses que en toda la década anterior. Tengo un asiento de primera fila para ver cómo la IA está redefiniendo qué significa realmente "un equipo de alto rendimiento".
Cómo la IA transforma las operaciones de equipo y la toma de decisiones
Estaba revisando clasificaciones de candidatos generadas por IA cuando todo cambió para mí.
Esto fue lo que pasó: le pedí a la IA que evaluara a un grupo de ingenieros para el puesto. Devolvió clasificaciones más o menos como esperaba, pero detectó en uno de los candidatos algo que yo no le había pedido: era un ajuste técnico casi perfecto, pero vivía en un país que no estaba en la lista aprobada del cliente para contrataciones.
Luego, hizo algo que normalmente una herramienta no haría. Propuso una solución alternativa: el candidato podía mudarse a un país vecino aprobado, o podíamos ayudarle a establecer residencia en México, algo que ya habíamos hecho con otros ingenieros.
Ese fue el momento clave. No solo ejecutó una tarea; razonó sobre mi negocio como lo haría un operador perspicaz del equipo. Y me di cuenta de que el cuello de botella de mi empresa había cambiado.
Por qué el humano es la capa de inteligencia y la IA son las manos
Ahora todos quieren ingenieros "nativos de IA", no solo gente que use Cursor. Se refieren a ingenieros que dejan que la IA haga el trabajo de codificación mientras ellos se ocupan del pensamiento: el planteamiento del problema, la arquitectura, las decisiones de juicio.
Mi propio rol ha evolucionado de la misma manera. Hace dos años, gran parte de mi trabajo consistía en asignar tareas: decidir quién hace qué, y luego esperar los resultados. Hoy, mi trabajo es definir los problemas con la suficiente precisión para ejecutar soluciones, y una proporción cada vez mayor de esa ejecución recae en la IA en vez de en otra persona contratada.
Antes suponía que necesitaría un CFO fraccional para obtener claridad real sobre nuestra economía unitaria. En su lugar, hice con IA un análisis financiero completo a nivel de CFO y descubrí que la categorización de una partida de costos estaba ocultando la verdadera economía unitaria. Ese análisis lo habría pagado a un especialista… o simplemente nunca lo habría hecho.
Lo mismo ocurre con lo legal. Rehice todo nuestro Acuerdo Maestro de Servicios, nuestros contratos de contratistas y acuerdos de reparto de tarifas con socios. IA redacta, abogado revisa. Eso invierte la estructura de costes: el humano caro ahora hace el último 10%, no el primer 90%.
Y también he rediseñado el propio equipo. Nos estamos alejando de los equipos para tener responsables únicos de áreas completas, cada uno muy apoyado por IA. Una persona gestiona toda nuestra superficie de SEO programático. Una persona gestiona nuestra comunidad y la infraestructura de datos. Cada unidad de la organización ya no es un equipo: es un operador fuerte más IA.
Dónde debería usarse la IA — y dónde no
La cultura es donde pongo más cuidado. Es fundamentalmente humana — está moldeada por cómo se trata a las personas en los momentos difíciles, y no se puede externalizar eso.
También utilizo la IA en la estrategia, la toma de decisiones y el diseño organizacional, con distinta intensidad en cada caso.
La toma de decisiones es el área más profunda: pongo a prueba precios, contrataciones y estrategias de negociación frente a mi sistema de IA antes de comprometerme.
Para la estrategia, la uso intensamente para el análisis de mercado.
En cuanto al diseño organizacional, cuando reestructuré la empresa en torno a responsables de dominios individuales en lugar de equipos, trabajé ese rediseño junto con IA, modelando qué debía abarcar cada puesto y dónde estaban las verdaderas limitaciones.
La cultura es donde soy más cuidadoso. Es fundamentalmente humana porque está determinada por el modo en que se trata a las personas en los momentos difíciles, y eso no se puede externalizar. La IA ayuda a prepararse. Antes de una conversación de desempeño difícil, reflexiono sobre cómo ser directo sin ser cruel, qué necesita escuchar la persona. Pero la conversación en sí debe ser mía.
La IA puede ayudarme a ser un líder más preparado. No puede hacerme un líder presente. Esa parte no la puedo delegar.
Cómo se puede rediseñar el filtrado con IA
El reclutamiento, tradicionalmente, es un juego de volumen: obtener cien currículos, revisarlos por encima, reenviar treinta y esperar que algunos funcionen. El valor de los reclutadores era el rendimiento. Pero reconstruimos toda la operación de selección con IA.
Primero, creamos un proyecto dedicado en Claude para cada cliente, con instrucciones personalizadas que representan el verdadero estándar de contratación — no los requisitos declarados en la descripción del puesto, sino lo que realmente busca el responsable de contratación después de hablar con él.
Un JD dice "ingeniero senior en React". El verdadero requisito, tras una llamada, es "alguien que haya implementado un pipeline RAG en producción y sepa integrar telefonía". Ese matiz queda en el área de trabajo.
Segundo, cargamos el plan de entrevistas y la matriz de evaluación del cliente como fuente de verdad. Así, la IA filtra según el mismo criterio que utilizará el cliente, no por antigüedad genérica.
Tercero, cada candidato recibe una puntuación del uno al diez en cada dimensión imprescindible, con una justificación escrita y huecos señalados explícitamente. No es "buen ajuste" — es "frontend: 9, pipeline RAG: 8, telefonía: 0, y ésta es la razón".
El resultado cambió radicalmente. Dejamos de reenviar treinta CVs y empezamos a enviar de tres a cinco finalistas realmente adecuados, cada uno con un desglose sobre el que el cliente puede actuar.
Las listas cortas se volvieron mucho más precisas, los candidatos avanzaron más en los procesos de entrevistas y las conversaciones pasaron de "Aquí hay algunas personas" a "Así es exactamente como cada uno cumple con tu criterio".
Pero el cambio más profundo fue en los trabajos de mi equipo. Ahora, la IA se encarga del trabajo manual — leer, emparejar y realizar el primer filtrado. Esto significa que cada hora que una persona de mi equipo dedica al proceso va a la parte que la IA no puede hacer, como leer la motivación, juzgar si alguien prosperará en una startup caótica, construir la relación y concretar el cierre.
El trabajo no se redujo. Se trasladó hacia arriba en la cadena de valor. Como líder, mi verdadero trabajo pasó a ser asegurarme de que el equipo entendía ese cambio y lo asumía, en vez de sentirse amenazado.
Por qué es crucial rediseñar los procesos para adoptar la IA
David comparte
La mayor desconexión es que las empresas tratan la IA como algo que hay que añadir — licencias, una herramienta, una orden de arriba de «usar IA» — cuando realmente hay que rediseñar en torno a ella.
La mayor desconexión es que las empresas tratan la IA como algo que añadir — licencias, una herramienta, una orden de arriba para "usar IA" — cuando en realidad hay que rediseñar en torno a ella. Son proyectos completamente distintos.
La gente no se da cuenta de este mecanismo. La IA amplifica el proceso sobre el que la aplicas. Si el proceso de base es bueno, la IA lo acelera de forma asombrosa. Si el proceso es mediocre — y la mayoría de los procesos en las empresas lo son — la IA solo permite ejecutar trabajo mediocre más rápido. No consigues transformación. Logras la misma confusión, pero más rápido.
Veo esto desde ambos lados de mi negocio. Internamente, cuando audité nuestro propio conjunto de software, descubrí que utilizábamos más de cincuenta herramientas, y una buena parte de ellas eran herramientas de IA que habíamos comprado porque creíamos que la compra en sí misma era la transformación.
Eso es confundir la proliferación de herramientas con el progreso. Y externamente, veo una y otra vez cómo los clientes equipan a cada ingeniero con herramientas de codificación de IA, pero aún así les cuesta entregar resultados, mientras que unos pocos realmente se mueven rápido. La diferencia nunca es la cantidad de herramientas, sino si rediseñaron el trabajo.
Cómo los desafíos psicológicos afectan la adopción de la IA
Cuando introduje la IA en una parte del negocio, rara vez la gente se opuso abiertamente. La resistencia era más silenciosa. Algunas personas la utilizaban poco y seguían haciendo las cosas a la manera lenta. Otras la usaban constantemente pero no lo mencionaban, casi como si los fueran a acusar de hacer trampa. Nadie decía “me siento amenazado por esto”, pero su comportamiento así lo indicaba.
Con el tiempo entendí que, para muchas personas, su trabajo es su identidad, y su valor está ligado a ser buenos en un oficio específico. Cuando una herramienta puede de repente realizar gran parte de ese oficio, no solo estás cambiando el flujo de trabajo de alguien, estás tocando la manera en que se ven a sí mismos. Ese no es un problema de formación que se pueda resolver con un tutorial.
Antes pensaba que liderar un cambio tecnológico consistía en tomar buenas decisiones sobre herramientas y procesos. Ahora pienso que el verdadero trabajo es ayudar a las personas a renegociar su propio valor — en voz alta y con seguridad.
Concretamente, eso significó dejar explícitamente y de forma reiterada en claro que estaba bien usar la IA. Estaba bien decir “la IA hizo la mayor parte de este borrador”. Estaba bien no ser el que más rápido escribe o el mejor investigador del equipo, porque ahora tu valor no está ahí. Tuvimos que eliminar la vergüenza antes de que la adopción pudiera suceder.
La parte que más me impactó personalmente fue que tuve que responder a la misma pregunta para mí.
Durante años, podía justificar el avance lento diciendo “no tenemos la capacidad”. Esa excusa prácticamente ha desaparecido. Si algo no avanza ahora, normalmente es porque no lo he definido con suficiente claridad para que un humano o una IA lo ejecuten. Eso es una lección de humildad.
Cuando una herramienta puede de repente realizar gran parte de ese oficio, no solo estás cambiando el flujo de trabajo de alguien — estás tocando la manera en que se ven a sí mismos.
Cómo enfrentar la parte menos glamorosa de adoptar la IA
Así es como abordo la adopción de la IA.
Primero, una regla estricta: Nunca automatizamos un proceso que no hayamos probado manualmente. Actualmente estamos ejecutando una campaña de desarrollo comercial, y le pedí expresamente al equipo que lo hiciera primero de forma manual.
Realiza tú mismo el contacto inicial, ten las conversaciones y averigua qué es lo que realmente funciona. Solo una vez que comprobamos que un proceso funciona, lo automatizamos, porque la automatización sólo escala lo que ya tienes. Si automatizas un proceso que no comprendes, construyes una manera muy eficiente de fracasar.
Segundo, trato la adopción de la IA como una cuestión de flujo de trabajo y criterio, no como una cuestión de compras. El éxito nunca será “más herramientas”. Es tener menos herramientas, usadas en profundidad por personas que realmente han cambiado la manera en que trabajan. Recortamos de forma agresiva.
Tercero, he cambiado lo que recompensamos. La IA ha abaratado el output bruto y ha convertido el juicio — saber qué problema resolver, detectar cuándo la IA se equivoca con seguridad — en lo escaso y valioso.
Una organización diseñada para el mundo antiguo premia a quienes producen más. Una organización adaptada a este nuevo mundo debe premiar a quienes toman buenas decisiones. Eso supone un verdadero cambio en cómo conduces las conversaciones de desempeño.
Cómo desarrollar alfabetización y preparación en IA en los equipos
La mayoría de la gente piensa que estar preparados para la IA significa ser hábiles con las herramientas — que tu equipo sepa usar productos de IA. Pero esa es la parte menos importante, y además cambia cada seis meses.
Haz que sea claramente seguro y esperado. Las personas ocultan el uso de IA si piensan que esto las hace parecer reemplazables, por lo que los líderes deben normalizar activamente el "La IA hizo la primera pasada de esto" hasta que se elimine la vergüenza. La alfabetización no puede crecer en secreto.
Enseña dentro del trabajo real, no en un seminario genérico: un reclutador desarrolla alfabetización mediante el cribado, una persona de generación de demanda mediante la investigación de prospectos. Esto se afianza porque está vinculado al trabajo.
Aquí está el paso que la mayoría pasa por alto: Baja el nivel mínimo de habilidad en lugar de intentar que todos sean expertos. Construimos infraestructura compartida (espacios de trabajo predefinidos con contexto e instrucciones ya incorporados) para que una persona junior obtenga resultados a nivel experto sin ser experta en prompts.
David Shares
Estar listo para la IA significa cuatro cosas: Alguien parte de preguntar ‘¿Debería la IA hacer la primera pasada de esto?’ antes de hacerlo manualmente. Puede redactar un encargo claro porque una entrada vaga produce una salida vaga, y articular el problema es la verdadera habilidad. Detecta cuando la IA está equivocada con confianza. Es transparente acerca de su uso.
Por qué la alfabetización en IA trae sus propios problemas
Los problemas son reales. El mayor de todos es la confianza excesiva.
Una vez que las personas se sienten cómodas, algunas comienzan a aceptar la salida de la IA sin críticas. Una persona junior entrega algo sutilmente incorrecto porque su juicio en el dominio no está al nivel de su confianza en la herramienta. Por eso es imprescindible incorporar la verificación en tu definición de “listo”.
El segundo problema es más complicado, y nadie te lo advierte: la IA no eleva a todos por igual. Tus personas más fuertes progresan rápidamente, mientras que las más débiles se estancan. La brecha de rendimiento en tu equipo se amplía. Ese es un problema de gestión y obliga a mantener conversaciones honestas que no puedes evitar.
Por qué restar herramientas fortalece tu pila de software
El cambio más importante a mi pila este año fue la sustracción.
Déjame empezar por la columna vertebral, luego el cambio.
La columna vertebral es Claude. No es “una herramienta” de la pila como lo son las demás, es la capa en la que se basa la mayor parte del trabajo real: selección y clasificación de candidatos, análisis financiero, redacción de contratos, contenido, estrategia.
La gestiono como un conjunto de espacios de trabajo dedicados, uno por cada área importante del negocio, cada uno con instrucciones personalizadas que codifican cómo funciona ese dominio. Para desarrollos más técnicos o agentivos, uso Claude Code.
Mi evaluación: es la herramienta de mayor impacto en la empresa por un amplio margen, y no hay comparación.
Alrededor de eso, el resto de la pila es deliberadamente aburrido. Google Workspace y Slack para comunicación, operaciones e infraestructura comunitaria. Beehiiv para el boletín, Riverside para el pódcast. Deel para contratos y pagos a colaboradores. Calendly para programar, Fathom para registrar reuniones y llamadas, y BetterProposals para propuestas a clientes. Eso es casi todo.
Mi evaluación de esa capa es simple: es estable, poco llamativa, y debería seguir así. La capa de operaciones de una empresa no es donde se busca novedad.
Ahora, el cambio relevante. A principios de este año, revisé cada suscripción a productos. Esperaba veinte o treinta herramientas… eran más de cincuenta. El grupo más significativo era cinco suscripciones distintas de IA haciendo en esencia tareas similares. Dos rastreadores de tiempo diferentes. Tres distintas herramientas para publicar en LinkedIn. Cinco plataformas de sitios web.
Nada de eso era estrategia. Era el residuo de un año de decir sí. Cada “déjame probar esto” que nunca se canceló. Cinco herramientas usadas al 10% pierden ante una herramienta usada al 90%. Así que consolidamos drásticamente, reduciendo las herramientas de IA a Claude como principal, y elegimos una por función para todo lo demás, eliminando el resto.
Cómo la IA transformará el mercado de talento en ingeniería
Hay algo interesante que estoy viendo en el ámbito de la contratación de ingenieros. Vale la pena tenerlo en cuenta.
En cinco años, el puesto tradicional de ingeniero principiante casi habrá desaparecido. No “cambiará”— dejará de existir. Ahora la IA realiza precisamente esas tareas bien definidas y directas bajo supervisión que históricamente hacían los ingenieros recién graduados, y lo hace bien y barato.
Las empresas ya están reduciendo la contratación junior. En cinco años, esto dejará de ser una ralentización para volverse estructural.
No se puede formar a un ingeniero senior sin los años junior. El juicio experto —saber qué enfoque fallará a escala, detectar una mala decisión de arquitectura— no se enseña, se adquiere haciendo miles de pequeñas cosas y, de vez en cuando, equivocándose.
Si eliminas el nivel de entrada, eliminas el campo de entrenamiento. Así que mi verdadera predicción es que en unos cinco años, después de que desaparezca el puesto junior, la industria se enfrentará a una escasez de ingenieros senior que ella misma fabricó. Estamos optimizando el final inferior de la escalera sin darnos cuenta de que la escalera era el camino por el que la gente llegaba a la cima.
El puesto de ingeniero de nivel inicial desaparecerá — y las empresas que sobrevivan la década serán aquellas que descubran cómo fabricar talento senior, no solo encontrarlo. Toda la industria cambiará de buscar personas a construirlas.
Por qué la honestidad es clave para navegar la transformación por IA
Este es mi consejo para los líderes:
La IA parece un problema tecnológico, por eso los líderes lo tratan como tal — herramientas, presupuestos, formación. Es un problema de liderazgo. El software nunca fue la parte difícil. La IA obliga a todos en tu equipo a renegociar qué los hace valiosos y eso da miedo. La gente no lo dirá en voz alta. Si gestionas la implementación pero no el miedo, la implementación fracasa. Lidera primero la transición humana.
La IA no arregla una organización rota, la pone en evidencia. Hace que los procesos desordenados y el pensamiento poco claro se aceleren y sean más visibles. Gran parte del trabajo real no es adoptar la IA, sino la tarea poco glamorosa de ser honesto acerca de cómo opera tu organización, y arreglarla. La IA solo te quita la capacidad de esconderlo.
Comienza ahora, en tu propio trabajo real — no un piloto, no algo que delegues. Los líderes que no hayan usado estas herramientas en profundidad para resolver sus propios problemas más difíciles no podrán liderar a otros en este proceso.
Y una última cosa. Nadie lo tiene resuelto, yo incluido. Cualquiera que venda certeza ahora está vendiendo algo. La postura correcta no es la confianza, es la honestidad, la rapidez para aprender, y la disciplina de no externalizar la parte humana del liderazgo a una máquina, por buena que sea la máquina.
Quienes lideren este momento no serán los que adopten más IA. Serán quienes se mantengan más honestos.
Por qué los líderes deben dejar espacio para la maestría — y la lucha
Una última cosa. En algún momento, los líderes puede que tengan que dejar de pensar en lo que la IA nos da y comenzar a pensar en lo que silenciosamente nos quita.
Cada conversación sobre IA y liderazgo, incluyendo la mayoría de esta, se centra en las ganancias. Más rápido, más barato, más apalancamiento. Todo eso es real. Pero hay un coste, y debemos nombrarlo honestamente.
Este es el coste en el que más pienso. La maestría — auténtico, profundo juicio de nivel senior — siempre se desarrolla a través de la lucha. Te atascas, te quedas con un problema difícil, pruebas lo incorrecto tres veces, y en esa fricción, aprendes.
La IA elimina la fricción. Te da la respuesta antes de que luches por encontrarla. A corto plazo, eso es toda ganancia porque el trabajo se realiza. Pero la lucha nunca fue solo una ineficiencia. Era el mecanismo que hacía a la gente buena. Cuando la eliminas, obtienes resultados más rápidos y, silenciosamente, personas más superficiales. Cambiamos profundidad por velocidad y, en su mayoría, no lo notamos.
No lo digo para frenar — no puedes, ni debes. Lo digo porque nombrar una pérdida es el primer paso para gestionarla. Si la lucha construye juicio, y la IA elimina la lucha, entonces un líder ahora tiene un nuevo trabajo explícito: volver a ponerla deliberadamente.
Da a las personas problemas que la IA no pueda resolver de un atajo. Protege la dificultad productiva incluso cuando el camino rápido esté justo ahí. Trata el desarrollo de tu gente como algo que ahora requiere intención, porque el entorno ya no lo producirá gratis.
Esa es la parte que quiero que otros líderes consideren. El lado positivo de la IA se cuida solo — todos ya lo persiguen. El coste es sutil; aparece años después y recae totalmente sobre tu gente. Alguien en la sala debe prestarle atención. Ese alguien eres tú. Ese es tu trabajo ahora.
El lado positivo de la IA se cuida solo — todos ya lo persiguen. El coste es sutil; aparece años después y recae totalmente sobre tu gente.
