La CEO de tecnología de RRHH dice que volverse nativos en IA reveló el trabajo que los empleados realmente quieren hacer
Descubre cómo una CEO de tecnología de RRHH utilizó la IA para eliminar tareas administrativas, revelar lo que los empleados realmente valoran y ayudar a los equipos de RRHH a enfocarse en la estrategia, el crecimiento y el juicio humano.
Jenny Podewils
Cofundadora y Co-CEO de Leapsome
Adopción de IA: Leapsome ha integrado herramientas de IA, con empleados creando agentes de IA para automatizar diversas tareas.
Desafíos organizacionales: La adopción temprana de IA expuso ineficiencias, revelando el potencial de mejorar los roles al reducir la carga administrativa.
Perspectivas de liderazgo: Los líderes deben involucrarse con la IA para automatizar procesos y mantener el enfoque en roles estratégicos e interacciones humanas.
Reforma del desempeño: Leapsome renovó las evaluaciones de desempeño utilizando IA, mejorando la calidad de la retroalimentación y reduciendo la carga de trabajo para los gerentes.
Integración de datos: El uso fluido de IA requiere sistemas de datos conectados; las herramientas dispersas pueden dificultar implementaciones efectivas de IA.
Jenny Podewils es cofundadora y codirectora ejecutiva de Leapsome, una plataforma de RR. HH. e IA utilizada por más de 2.000 empresas en todo el mundo. Su experiencia previa en una startup de tecnología limpia de rápido crecimiento y como jefa de gabinete en una industria en constante cambio la llevó a centrarse en una pregunta fundamental: ¿Cómo construimos organizaciones que se alineen, aprendan rápido y tengan un alto desempeño?
Hablamos con ella para saber más sobre cómo está respondiendo a esa pregunta con IA. Esto fue lo que nos contó.
Diseñar para aprender rápido y rendir bien
Soy Jenny Podewils, cofundadora y codirectora ejecutiva de Leapsome. Crecí en Berlín, Alemania, como hija de dos académicos con frecuentes invitados internacionales y conversaciones estimulantes en la mesa.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Esto forjó mi interés en afrontar grandes retos globales. Durante mis estudios en Suiza y el Reino Unido, descubrí que las empresas orientadas al impacto eran el mejor camino para generar un cambio.
Mis cargos en una startup de tecnología limpia de rápido crecimiento y como jefa de gabinete en una empresa de medios en transformación consolidaron en mí una pregunta. ¿Cómo construimos organizaciones que trabajen junto a agentes de IA, que aprendan rápido y que tengan un alto desempeño?
Me interesé profundamente en escalar la alineación, diseñar entornos que aprendan rápido y rindan bien, y construir mejores organizaciones fundamentadas en datos reales. Los seres humanos pasan aproximadamente 80.000 horas de su vida en el trabajo. Este tiempo debe ser significativo. Esta convicción fue la base para crear Leapsome.
Kajetan von Armansperg y yo fundamos Leapsome en 2016 para ayudar a otros a construir equipos de alto rendimiento, diseñar experiencias excepcionales para los colaboradores y forjar culturas exitosas utilizando software de RR. HH. centrado en las personas.
La completa plataforma de HRIS, talento e IA de Leapsome da servicio a más de 2.000 clientes exitosos y centrados en las personas en todo el mundo. Actualmente resido en Nueva York, donde tenemos una de nuestras oficinas globales.
Como líder, siempre escucho y hago las preguntas difíciles. Confío en los responsables y soy decidida con lo que me corresponde. Tengo estándares muy altos y valoro la urgencia y el impacto.
Decidir ser completamente nativos en IA a nivel interno
Adoptamos pronto el objetivo de llevar los beneficios de la IA a nuestros clientes, incorporando rápidamente funcionalidades de IA de impacto en nuestro producto. También tomamos la decisión deliberada de volvernos completamente nativos en IA a nivel interno.
Definimos la visión, establecimos las políticas y pusimos en marcha la infraestructura y herramientas desde el principio. El cien por ciento de nuestro equipo utiliza herramientas o agentes de IA en su trabajo diario, y más del 60% de nuestros empleados ha creado al menos agentes sencillos para automatizar algunas tareas. Así que, el uso y experimentación de IA forman parte habitual de nuestro trabajo y funciones en Leapsome.
Seguimos integrando la IA en procesos en toda la plataforma, desde el desempeño hasta encuestas, o nómina hasta flujos de trabajo. Es emocionante ver cómo podemos ayudar a que nuestros clientes aprovechen la IA de forma significativa, ya que es accesible directamente donde se dan sus contextos de RR. HH.
Cómo la adopción de la IA revela oportunidades ocultas en el trabajo
Cuando lanzamos las herramientas de IA a nivel interno y vimos la curva de adopción —todo el equipo utiliza la IA regularmente y la mayoría crea sus propios agentes—, esperaba ciertas dificultades: algo de escepticismo, cierto rechazo por parte de quienes preferían apegarse a lo que ya conocían.
En cambio, encontré una mezcla de entusiasmo y alivio. La gente quería dejar de lado el trabajo que se acumulaba alrededor de lo esencial de sus funciones: el primer borrador, los resúmenes, los seguimientos, la obtención y el formateo de datos. Cuando la IA absorbió esas tareas, se abrió algo —las personas ganaron más tiempo para trabajos satisfactorios que requieren pensamiento crítico y juicio humano.
Eso me reveló algo incómodo. No solo estábamos dando tareas aburridas a personas talentosas. Habíamos construido sistemas que enterraron lentamente la mejor parte de sus funciones bajo una montaña de procesos administrativos, y la mayoría asumió en silencio que así era como funcionaban las cosas. La IA puso eso en evidencia. Una vez hecho visible, nadie quiere regresar a lo anterior. El potencial es enorme, ¡y es emocionante!
La verdadera lección: la adopción es el menor de los problemas. Lo que se descubre una vez despejada la burocracia es donde realmente comienza el trabajo.
La gente quería deshacerse del trabajo que se acumulaba en torno a sus funciones reales: redacción inicial, resúmenes, seguimiento, recopilación de datos y formateo. Cuando la IA asumió esas tareas, surgió una oportunidad: las personas ganaron más tiempo para labores gratificantes que requieren pensamiento crítico y juicio humano.
Cómo los líderes pueden apoyarse en la IA
Es una parte importante de mi función como líder dedicar tiempo a mi propia formación continua y experimentación práctica con la IA. Creo que es crucial que los líderes hoy reserven tiempo para ello.
La oportunidad para los líderes y profesionales del área de Personas es aprovechar su papel como socios estratégicos del negocio automatizando procesos manuales, superando la fragmentación de datos y generando análisis más rápido. Esto también libera capacidad para tareas fundamentales de relacionamiento humano y empresarial que no deben automatizarse.
He tenido que dejar de lado la idea de que el «tiempo cara a cara» con los managers es la principal forma de desarrollo de los empleados. El coaching con IA, cuando se aplica bien y bajo supervisión humana, puede ofrecer una orientación constante y oportuna que incluso los mejores managers no pueden escalar.
Para dejarlo claro: esto no sustituye a los managers, sino que amplía su alcance y garantiza que los empleados reciban apoyo entre las reuniones formales.
Cómo renovamos las evaluaciones de desempeño con IA
Renovamos las evaluaciones de desempeño, tanto internamente como en nuestro producto, utilizando IA. Esto cambió fundamentalmente nuestra forma de concebir todo el proceso.
El modo tradicional: Los managers dedicaban horas a redactar borradores de evaluaciones, muchas veces comenzando desde cero y con dificultad para recordar logros específicos de meses atrás. ¡Un proceso engorroso y lento que exige mucha gestión administrativa perjudica los resultados y los plazos! Las evaluaciones corren el riesgo de convertirse en un trámite en lugar de un diálogo de alineación y crecimiento.
La forma potenciada por IA: Creamos un asistente de IA que redacta comentarios de evaluación utilizando el contexto de reuniones, objetivos y retroalimentación previa. La IA guía al usuario a lo largo del proceso, resalta el contexto relevante —lo que logró el empleado, dónde tuvo dificultades, cómo progresó— y sugiere un lenguaje que los managers pueden editar, perfeccionar y personalizar según su razonamiento humano, empatía y relación con sus colaboradores.
Resultados: El tiempo medio que los managers dedican a redactar evaluaciones disminuyó considerablemente. Más importante aún, la calidad mejoró porque los managers ahora editan y agregan matices en lugar de enfrentarse a una hoja en blanco. Los empleados reportan que la retroalimentación les parece más específica y accionable.
Hemos aplicado la misma lógica a las preguntas y respuestas de empleados. RRHH recibía las mismas preguntas sobre políticas repetidamente por Slack, correo electrónico y, a veces, por parte de la misma persona más de una vez. Ahora, nuestro agente de ayuda con IA responde esas dudas en lenguaje claro, extrayendo información de nuestra base de conocimientos. Así, el equipo de RRHH recupera ese tiempo para tareas que requieren experiencia humana.
También aplicamos esta solución al análisis post-encuesta. Antes nos llevaba semanas sintetizar respuestas abiertas, y a menudo de forma incompleta. Ahora la IA detecta temas y patrones en cuestión de días, para que los líderes puedan actuar mientras el feedback está fresco.
El denominador común: La IA se hizo cargo de la carga administrativa, dejando a las personas espacio para el trabajo que requiere juicio humano, como las conversaciones, decisiones y seguimiento que nadie puede delegar.
Por qué el potencial de la IA suele superar la preparación organizacional
La gente escucha «la IA va a transformar RRHH», y espera un botón mágico. La IA es tan buena como los datos, flujos de trabajo y gobernanza que la rodean. Si los datos de tus empleados están repartidos en cinco sistemas desconectados o tus procesos son informales e inconsistentes, la IA no puede solucionar eso.
Aún peor, podría mostrar datos incorrectos y causar, en el mejor de los casos, confusión, y en el peor, un problema serio.
Abordamos esto diseñando la IA integrada en nuestro producto como tu sistema de registro, con todo tu contexto vinculado a tus procesos y flujos de trabajo, no como una función añadida aparte.
Nuestra IA guía a los empleados dentro del proceso de establecimiento de objetivos. Asiste con las revisiones dentro del ciclo de revisión. Responde preguntas sobre políticas desde una base de conocimiento definida. La estructura establece los límites y la IA opera dentro de ellos.
Además, por defecto preferimos la intervención humana. Nuestra IA redacta, sugiere y resume, pero no actúa sin la aprobación de una persona. Creemos que las decisiones de RR. HH. involucran contexto, matices y consecuencias que la IA no debería manejar de forma autónoma. Los líderes que quieren que la IA "simplemente lo haga" sin supervisión se están exponiendo a problemas legales, éticos y de confianza.
Profundizar Más Que Diversificar con la Integración de IA
Hace un año teníamos muchas herramientas. Ahora tenemos menos, y están más integradas. Hemos optado por profundizar antes que diversificar. Usamos funciones de IA a lo largo de nuestros flujos de trabajo: redacción de revisiones, resúmenes de encuestas, nuestro coach impulsado por IA, preguntas y respuestas sobre políticas, transcripción de reuniones y análisis de datos.
No se trata de complementos separados de IA, los integramos en el lugar donde ocurre el trabajo, lo que asegura su adopción.
Nuestra base es nuestra propia herramienta, y ser nuestro propio cliente aclara las cosas. Nos mantiene honestos. La usamos para todo: HRIS (registros de empleados, documentos, ausencias, preparación de nóminas, flujos de trabajo) y gestión del talento (evaluaciones de desempeño, objetivos, encuestas de compromiso, feedback, aprendizaje, 1:1s) y también para IA. Los datos viven en un solo lugar, lo cual es más importante de lo que parece.
Además, hemos creado agentes personalizados en Dust y Notion para uso entre equipos. Gemini, Claude y Lovable también forman parte de nuestro mix, dependiendo de la tarea. Y cada equipo tiene su propia pila superpuesta. No intentamos estandarizar todo, pero sí somos intencionados respecto a lo que constituye la base.
El mayor cambio durante el último año ha sido la consolidación. Teníamos demasiadas soluciones puntuales, cada una haciendo bien una cosa pero generando fragmentación de datos y constantes cambios de contexto. Menos herramientas, integración más profunda, y la IA integrada a lo largo de los flujos de trabajo en vez de aislada en una sola aplicación.
Por Qué un Coach de Desarrollo con IA Puede Ser Revolucionario
Usamos nuestro propio Coach de Desarrollo internamente. Es un agente de IA que ofrece a empleados y gestores orientación en tiempo real sobre crecimiento, sin tener que esperar a un ciclo formal de revisión o a la disponibilidad del manager.
Los managers en empresas en crecimiento están sobrecargados. No pueden hacer seguimiento con todos, y los empleados que necesitan orientación a menudo no la reciben hasta la revisión. El Coach de Desarrollo cambia ese ritmo.
Los empleados pueden consultar sobre sus objetivos, recibir pasos siguientes concretos y entender cómo es un "gran desempeño" en su puesto. Los managers pueden usarlo para prepararse para conversaciones significativas en lugar de reactivas. Extrae contexto de objetivos, historial de feedback y marcos de la empresa, así que lo que muestra es específico, no genérico.
Me importa especialmente lo que ocurre en segundo plano: las señales. Cuando los empleados preguntan cosas a la IA que de otra forma nunca sabríamos, aprendemos algo; no sobre individuos (es agregado y anónimo), sino sobre dónde falta claridad, dónde la gente se siente estancada, qué asuntos no abordan los managers. Ese tipo de señal temprana es difícil de conseguir de otra manera.
Los agentes van más allá del trabajo. En casa, he creado varios agentes personalizados de IA para facilitar la gestión familiar. Por ejemplo, creé un planificador semanal de comidas que cumple con los principios de alimentación saludable que he establecido.
Por Qué el Enfoque Práctico y Entre Pares Es la Mejor Forma de Enseñar Alfabetización en IA
Hicimos que el uso de la IA fuera estructural, no opcional. Cada miembro del equipo tiene acceso a las herramientas de IA, no solo ingeniería o producto. La fluidez en IA no puede ser un privilegio de ciertos roles o funciones.
Fomentamos la alfabetización compartiendo, no con formaciones obligatorias. Las personas muestran cómo utilizan la IA en sus flujos de trabajo. Es liderado por pares, práctico, y a veces caótico, pero eso es lo que lo hace efectivo. Alguien muestra algo que le funcionó y otra persona lo adapta a su contexto. Esa difusión genera adopción real más rápidamente que cualquier implementación de arriba hacia abajo.
Lo que he observado: cuanto más experimenta la gente, más identifican tareas que quieren automatizar, actividades que habían aceptado por años como "parte del trabajo". La IA da permiso y oportunidad para cuestionar eso.
En gobernanza, somos explícitos acerca de la privacidad de los datos. Todos saben qué datos pueden y no pueden introducirse en herramientas externas de IA. No negociable. Tener claridad sobre los límites da confianza a las personas para explorar al máximo dentro de ellos.
En cuanto a cómo se ve estar "preparado para IA": lo describiría menos como una lista de verificación y más como una cultura. Empleados que experimentan sin temor a ser juzgados. Equipos que preguntan "¿Debería una persona estar haciendo esto?"
Líderes que muestran el uso de IA de manera visible, no como una actuación, sino porque realmente la usan. Yo trato de ser explícito con eso mismo. Si pido a mis equipos que desarrollen fluidez en IA y yo no lo practico, eso no es liderazgo. Es teatro.
La gente muestra cómo usa la IA en sus flujos de trabajo. Está liderado por los pares, es práctico y a veces caótico, pero eso es lo que lo hace perdurar.
Por qué la IA solo es tan buena como los datos a los que accede
El acceso a los datos es clave. La IA solo es tan buena como los datos a los que accede.
Un agente de IA llamativo y autónomo fuera de tu sistema de RRHH puede redactar una descripción de puesto, sí. Pero no puede decirte si el compromiso está disminuyendo en un equipo específico, si un alto desempeño no ha tenido una conversación de desarrollo en meses, o si los colaboradores directos de un gerente consistentemente rinden por debajo de sus propios pares en las evaluaciones.
Este tipo de insights requiere datos históricos y conectados: HRIS, objetivos, retroalimentación, evaluaciones, compromiso y aprendizaje, todo en un solo lugar. Las soluciones fragmentadas, por más que incluyan IA, no pueden ofrecer eso. Hemos invertido años construyendo para resolver ese problema.
Nuestra hoja de ruta se centra en el aspecto agente. Construimos agentes que se encargan de tareas acotadas y específicas: redactar documentos, responder preguntas sobre políticas, recordar a los gerentes dar seguimiento, mientras que las personas mantienen la autoridad de decisión.
Estos agentes funcionan en segundo plano. El objetivo es ampliar lo que un equipo de RRHH reducido puede lograr. Esto permite que un responsable de RRHH que gestiona operaciones de personas para 200 empleados con uno o dos colegas deje de pasar su día en tareas administrativas y comience a enfocarse en el trabajo que genera resultados.
Por qué la IA obliga a replantear el propósito de RRHH
Para los líderes de RRHH, este momento es más que una transición tecnológica. La IA obliga a replantear el propósito de RRHH.
Mucha gente con la que hablo entró al área de RRHH porque les importaba la gente. Querían construir culturas, desarrollar líderes y crear entornos donde las personas puedan dar lo mejor de sí.
En algún punto, muchos se convirtieron en administradores de procesos. Los sistemas se acumularon. El rol se amoldó a ellos. Si tu tecnología de RRHH valora más el proceso que a las personas, esa dinámica termina definiendo el rol con el tiempo. Las herramientas moldean el comportamiento. Los sistemas definen los roles. Es importante señalarlo, y más importante aún, interrumpirlo.
Algunas recomendaciones prácticas para usar IA en RRHH:
- Empieza por el trabajo que odias, no por la función más llamativa. ¿En qué tareas repetitivas y de bajo valor inviertes tiempo? Aplica IA ahí primero. El primer borrador. El resumen. El seguimiento. Automatiza esas tareas y protege tu tiempo para el trabajo que sí requiere de ti.
- Por defecto, mantén a la persona en el proceso. La IA debe asistir, no decidir, especialmente en RRHH, donde las decisiones afectan carreras y vidas. Deja clara y cumple esa expectativa.
- Avanza más rápido de lo que te resulta cómodo. Las organizaciones que desarrollen fluidez en IA ahora obtendrán ventajas exponenciales. Esperar a que la IA "madure" es una decisión que conlleva un costo.
- Lleva a tu equipo contigo. Los empleados junior y los gerentes de primera línea suelen ver las oportunidades más claras. La adopción es un reto cultural tanto como tecnológico.
- Para los líderes en general: Muestra personalmente el uso de IA, invierte seriamente en tus gerentes y mantén el propósito al centro. La IA cambia cómo se hace el trabajo. No cambia por qué importa.
Cómo evolucionarán los roles de RRHH en los próximos 5 años
En cinco años, creo que RRHH habrá abandonado por completo su identidad de administrador de procesos, y las empresas que sigan tratándolo así lo notarán en sus resultados.
El cambio ya está en marcha. Los líderes de RRHH en organizaciones vanguardistas ya no se miden por si las evaluaciones se realizaron o si se enviaron encuestas. Se les mide por resultados:
- ¿Está mejorando la retención donde más importa?
- ¿Los líderes están desarrollando a su equipo?
- ¿Podemos rastrear un vínculo entre compromiso, rendimiento y productividad para poder actuar?
La IA hace posible ese cambio al encargarse de manera confiable de la capa operativa, para que los líderes de RRHH puedan centrarse en la estrategia, el diagnóstico y la intervención.
El equipo de RRHH del futuro será más pequeño, más experimentado y significativamente más influyente. No porque se recorte la plantilla, sino porque el rol se expande en alcance y gana credibilidad en la mesa de liderazgo. Menos tiempo en la capa administrativa, más tiempo en el lugar donde se toman decisiones empresariales.
Las organizaciones que todavía gestionan RRHH con sistemas fragmentados, herramientas separadas para HRIS, desempeño, compromiso y aprendizaje, enfrentarán una desventaja medible. La IA genera información útil a partir de datos conectados. Genera ruido a partir de datos aislados. La fragmentación se está convirtiendo en una herencia costosa y el ajuste de cuentas está más cerca de lo que la mayoría espera.
La versión de RRHH que triunfará en cinco años se parece mucho más a lo que la mayoría imaginó al ingresar a este campo.
Cómo mantener la IA centrada en las personas en RRHH
Si RRHH implementa mal la IA — usándola para eliminar la responsabilidad, para escalar decisiones erróneas más rápido o tratándola como sustituto de esas conversaciones humanas difíciles que forman la cultura — no solo perdemos la oportunidad. Dañamos la confianza de maneras difíciles de reconstruir.
El principal riesgo no es una IA que funcione mal. El riesgo es una IA que opera exactamente como fue diseñada, pero apunta en la dirección equivocada. Evaluaciones que suceden más rápido pero se sienten menos humanas. Políticas que son “respondidas” por un chatbot sin que nadie compruebe si la respuesta es precisa o justa. Decisiones que parecen objetivas porque provienen de un sistema, cuando el sistema refleja los supuestos de quien lo creó.
Nuestra filosofía es clara: la IA nunca debe reemplazar el juicio humano en decisiones que afecten la carrera, el sustento o el bienestar de una persona. La IA redacta, sugiere, muestra opciones. Una persona revisa, decide y asume la responsabilidad del resultado. El juicio humano no es negociable.
Los líderes de RRHH que más respeto no solo se preguntan “¿cuánto podemos automatizar?” También se cuestionan “¿qué nunca debería automatizarse y por qué?” Esa disciplina es lo que diferencia a la IA que genera confianza de la que la socava.
También es una de las conversaciones más recurrentes en People over Perks, nuestra comunidad para profesionales de RRHH — y sinceramente, algunos de los razonamientos más sólidos sobre este tema han surgido ahí. Si es una pregunta que te estás planteando en tu organización, te animo a unirte a nosotros.
Como mencioné, las personas pasan aproximadamente 80,000 horas de su vida trabajando. Ese tiempo debe tener sentido. La IA debería ayudar a que así sea.
Sigue en contacto
Puedes seguir el trabajo de Jenny Podewils en LinkedIn y echar un vistazo a Leapsome!
¡Próximamente más entrevistas con expertos en People Managing People!
