Un mundo potenciado por la IA exige una evaluación del talento más avanzada

El siguiente diagrama resume un informe del FMI y muestra cómo la IA está sustituyendo cada vez más las tareas más simples y ampliando o complementando a los humanos en juicios más complejos y matizados.

Esta trayectoria tiene sentido dada la forma en que la IA procesa información. Las señales se mueven a través de los sistemas digitales casi a la velocidad de la luz. La IA también está organizada en componentes llamados "vector embeddings", que traducen datos complejos y no estructurados en arreglos compactos de números que pueden ser procesados matemáticamente, sin necesidad de lidiar con el significado semántico sutil.

La arquitectura neuronal humana funciona de manera diferente. La información se desplaza por las sinapsis del cerebro a una velocidad máxima de 120 m/s, y la cantidad de información cognitiva que los humanos pueden procesar es limitada: una calculadora científica promedio puede realizar cálculos mucho más complejos que incluso la persona más inteligente.

Pero la IA no supera a los humanos en todas las áreas. A pesar de los rápidos avances en la capacidad de procesamiento, los humanos aún superan a la IA en condiciones de incertidumbre y complejidad, especialmente aquellas que involucran dinámicas sociales o juicios éticos. 

La naturaleza maleable y adaptable de la toma de decisiones humana equipa mejor a las personas para situaciones que requieren una visión integrada y matizada, especialmente bajo condiciones de dinamismo e incertidumbre.

Las ilustraciones de la Figura 2 capturan estas diferencias. Las segmentaciones estructuradas de la IA aparecen en la primera imagen, mientras que el funcionamiento del cerebro humano se revela a través del conectoma, un mapa del cableado neuronal subyacente. 

Lejos de ser un conjunto organizado de áreas especializadas, el cerebro humano es una abundancia de señales entrelazadas de diferentes tipos que interactúan para construir significado. Incluso el nivel de interconectividad fluctúa en respuesta a situaciones diferentes y dinámicas.

Este entendimiento de la complejidad y la interconexión del cerebro es relativamente reciente. Quienes estudiaron psicología antes del año 2000 probablemente encontraron un modelo segmentado en el que distintas funciones especializadas operaban de manera relativamente independiente — uno que se asemeja al modelo de IA en la Figura 2. 

La similitud no es casualidad. Los modelos de IA surgieron del trabajo inicial sobre el procesamiento experto de información de los psicólogos cognitivos Herbert A. Simon y Allen Newell.

Los avances en la tecnología de resonancia magnética han revelado desde entonces una imagen más profunda de cómo funciona realmente el cerebro humano. La fortaleza del juicio humano y la adaptabilidad radica en la naturaleza altamente interconectada de nuestras redes neuronales, lo que nos permite ver los temas desde diferentes perspectivas, detectar conexiones subyacentes y adaptar nuestras respuestas a personas y situaciones cambiantes.

Estas capacidades —las que se están convirtiendo en una característica más destacada de cómo las personas aportan valor en un entorno de trabajo potenciado por Inteligencia Artificial— se han recogido en el marco EPOCH.

Las habilidades EPOCH

• Empatía e inteligencia emocional
• Presencia, redes y conexión
• Opinión, juicio y ética
• Creatividad e imaginación
• Esperanza, visión y liderazgo

El mercado laboral ya muestra cambios que reflejan este reajuste. Desde 2022, ha habido una disminución del 13% en los roles dominados por análisis repetitivo y estructurado, junto con un crecimiento de aproximadamente el 20% en la demanda de trabajos que requieren conocimientos técnicos o pensamiento creativo.

Según el profesor de la Escuela de Negocios Suraj Srinivasan, este cambio refleja el impacto de la complementación de la IA. Para los procesos de trabajo que son integrados y multifacéticos, que requieren creatividad y pensamiento analítico, dominio técnico y juicio matizado, cumplimiento y discreción, implementar la IA dentro del proceso aumenta el valor económico de los componentes humanos. Cuando se utiliza como una herramienta complementaria, la IA puede incrementar, y no disminuir, el valor de la contribución humana.

Es posible que los humanos estén cediendo terreno a la IA en trabajos que requieren procesamiento de alta velocidad y juicios rutinarios, pero sus oportunidades para aprovechar la IA y crear valor a través de fortalezas netamente humanas probablemente aumenten. 

Si bien las realidades a corto plazo de esta transformación, incluyendo la pérdida masiva de empleos, están generando una preocupación legítima, el informe del FMI pronostica una perspectiva a largo plazo con roles más enriquecidos y complejos que aportan una creación de valor superior. 

Algunos autores, incluyendo a Andrew Lopianowski y Mike Pino en su próximo libro HumanCorps, describen este nuevo periodo como la Era de la Sabiduría, una visión basada en la convivencia simbiótica entre humanos e IA que se apoya en las fortalezas de cada uno.

Implicaciones para la evaluación del talento

Dado estos cambios, ¿cómo evaluamos la capacidad para la sabiduría y las habilidades EPOCH para respaldar una adquisición y desarrollo de talento efectivos? Es poco probable que la respuesta provenga de las herramientas en las que RRHH ha confiado durante los últimos 50 años. 

A medida que las capacidades requeridas para generar valor se vuelven más complejas e integradas, la utilidad de las herramientas que descomponen a las personas en partes componentes está disminuyendo rápidamente. Sin embargo, este sigue siendo el enfoque dominante de la mayoría de las herramientas de evaluación de talento hoy en día, que buscan reducir la complejidad humana a componentes cuantitativos simplificados que puedan expresarse como datos matemáticos.

Existen varias razones por las cuales estas herramientas son menos útiles para identificar talento en un mundo enriquecido por la IA.

1. Validez predictiva limitada. A pesar de su adopción generalizada, la mayoría de estas herramientas no predicen bien el desempeño laboral futuro. Un reciente meta-análisis sugiere que la personalidad predice menos del 6% de la variabilidad en el desempeño, mientras que las pruebas cognitivas obtienen un resultado ligeramente mejor con alrededor del 10%.
2. Suposición errónea de estabilidad. La mayoría de las herramientas actuales capturan una instantánea de la persona y la tratan como un punto fijo. La suposición de que la personalidad es consistente en el tiempo está integrada en su propia definición — "patrones estables y medibles de pensamiento, sentimientos y comportamientos" — pero ahora existe una amplia evidencia a nivel meta-analítico de que la personalidad cambia y se desarrolla a lo largo del tiempo en respuesta a estímulos ambientales y evolución personal.
3. Suposición errónea de independencia. Tradicionalmente, la personalidad y la capacidad cognitiva se han considerado predictores no relacionados del comportamiento y los resultados, pero cada vez hay más evidencia de que existen fuertes conexiones entre cómo las personas describen su comportamiento y las habilidades cognitivas que demuestran. Esto tiene sentido dadas las conexiones altamente interrelacionadas del cerebro y el principio bien establecido de que las neuronas que se activan juntas, se conectan entre sí.
4. Incapacidad para captar el dinamismo. La mayoría de las herramientas adoptan un modelo de punto en el tiempo que no puede captar cómo las personas responden a situaciones dinámicas. Como Ric Roi y yo señalamos en Future Ready Talent, la capacidad de aprender y adaptarse a condiciones cambiantes puede ser el rasgo más importante del talento que impulsa la creación de valor — y está en el núcleo de las habilidades EPOCH.
5. No considerar la capacidad de elección. Los estudios de Dunedin, que han analizado predictores de éxito en la vida en los ámbitos de salud, carrera, bienestar financiero y criminalidad, identificaron el autocontrol como el mayor factor predictivo a lo largo de todos los resultados, es decir, la capacidad del individuo para elegir comportarse de acuerdo a lo que la situación exige y no solo segun su preferencia personal. Al sobrevalorar los constructos individuales, subestimamos el comportamiento como producto de la interacción entre la persona y la situación, tanto a nivel cognitivo como conductual.

Paradójicamente, la mayoría de las herramientas psicométricas que se utilizan hoy serían muy adecuadas para evaluar la IA. Los modelos estructurados, segmentados y matemáticos que subyacen en la IA se alinean estrechamente con los modelos estructurados, segmentados y matemáticos que definen la evaluación tradicional del talento. 

Estas herramientas pueden haber sido suficientes cuando el trabajo era relativamente estable y segmentado. En un lugar de trabajo potenciado por IA y definido por el dinamismo, la integración y el juicio complejo, se quedan cortas.

La evolución de la evaluación del talento

Parte del impulso para evolucionar las herramientas de evaluación tradicionales ha sido filosófico, pero las limitaciones tecnológicas también fueron un factor igualmente significativo. El predominio de la autoevaluación, la prevalencia de los cuestionarios y el número limitado de ítems, todo ello fue moldeado por una era de pruebas en papel y lápiz.

A medida que la tecnología ha avanzado, muchas de estas herramientas se han digitalizado e incluso gamificado, facilitando la administración, el puntaje y la interpretación, a la vez que mejoran el compromiso del candidato. Sin embargo, las estructuras subyacentes en gran medida han permanecido iguales. 

La validez predictiva ha mostrado avances limitados, incluso cuando se utiliza aprendizaje automático para combinar los conocimientos de varias herramientas.

Los avances más significativos en la evaluación del talento provienen de herramientas multimedia, inmersivas e interactivas, evaluaciones basadas en juegos y simulaciones empresariales que utilizan escenarios ficticios estructurados para generar datos sobre constructos psicológicos subyacentes. 

Estas herramientas presentan varias ventajas distintivas:

• Pueden ubicarse en entornos empresariales relevantes, mejorando la calidad de los datos y reduciendo el ruido de medición que se produce cuando los candidatos completan pruebas con poca relación con su trabajo real. Además, no necesariamente son costosas. El uso de herramientas de desarrollo de creación rápida ha hecho posible crear evaluaciones personalizadas a un costo mucho menor que en el pasado, y pueden funcionar también como visiones realistas del trabajo en la adquisición de talento.
• Utilizan multimedia, lo que mejora el compromiso y simplifica la introducción de datos. Los candidatos pueden responder hablando en lugar de escribir, y hacerlo en su idioma preferido, mejorando aún más la calidad de los datos.
• Permiten realizar preguntas más abiertas. Investigaciones doctorales sobre evaluaciones basadas en juegos han encontrado que las preguntas más abiertas generan mayor profundidad y calidad de información.
• Pueden diseñarse para lograr la máxima validez predictiva a través de procesos como el Diseño Centrado en la Evidencia, que apunta a los factores específicos más importantes para el éxito y garantiza una calificación rigurosa.
• Ofrecen la oportunidad de observar las respuestas de los participantes en diferentes entornos dinámicos, proporcionando una visión más sistémica de las capacidades individuales en respuesta a estímulos cambiantes.

Nada de esto sería posible sin la IA, que respalda estas herramientas a lo largo de todo el proceso, desde dar vida a escenarios empresariales complejos mediante el juego interactivo hasta la captura y el análisis de datos, así como la realización de análisis complejos de interacciones dinámicas entre variables medidas. 

La capacidad de la IA para procesar grandes cantidades de datos es fundamental para estos avances.

Sin embargo, las herramientas solo son tan válidas como lo es su diseño. La creatividad y la narrativa son esenciales para generar un entorno que se sienta relevante e inmersivo, especialmente cuando las herramientas necesitan revelar datos sobre dinámicas emocionales y sociales centrales para las habilidades EPOCH. 

Un diseño psicométrico sólido, basado en la investigación psicológica y en una comprensión matizada de las personas, es lo que hace que los datos producidos sean significativos, útiles e interpretables.

Estos avances representan una evolución necesaria. Sin ellos, nuestra capacidad para identificar y desarrollar las capacidades que impulsan la creación de valor seguirá deteriorándose. La misma dinámica que está transformando el lugar de trabajo está transformando las herramientas que usamos para entenderlo. La IA es más poderosa aquí no como sustituto del juicio humano, sino como la infraestructura que hace posible un juicio humano más profundo.