La pila de personas recibió IA, pero nadie arregló los datos primero
La mayoría de los líderes de RR.HH. pueden decirte exactamente qué herramientas de IA utiliza su organización. Muy pocos pueden decirte qué están haciendo esas herramientas entre sí.
Cuando la IA entra en reclutamiento, cambia la forma en que se evalúa a los candidatos. Cuando la IA llega a la gestión del desempeño, cambia cómo se genera la retroalimentación y quién la entrega. Cuando la IA entra en aprendizaje y desarrollo, determina qué habilidades se priorizan y para quién. Estos no son eventos aislados, pero rara vez se gobiernan como eventos conectados.
Los líderes están tomando decisiones de implementación función por función y casi nadie se responsabiliza de lo que sucede en las intersecciones.
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
La pila de talento — reclutamiento, desempeño, aprendizaje y desarrollo, beneficios — se está adaptando a la IA una función a la vez, cada implementación gestionada por un equipo diferente, con un proveedor diferente y un conjunto de objetivos distinto. Las interacciones entre esos sistemas rara vez se monitorean y casi nadie es responsable de lo que sucede en las intersecciones. Ahí es donde se multiplica la desviación.
Mil flores, ningún jardinero
Durante un panel la semana pasada en Transform en Las Vegas, el enfoque fue sobre lo que realmente cambia cuando la IA entra en el área de personas. Apareció una tensión recurrente: las organizaciones experimentan de forma amplia pero gobiernan de manera muy limitada.
Jevan Soo Lenox, Chief People Officer en la empresa de IA de alto crecimiento WRITER, describió lo que muchos líderes están viviendo en silencio.
Hemos estado en un mundo donde dejamos florecer 1.000 flores. Probar muchas cosas, usar muchas herramientas, hacer un hackathon cada dos trimestres. Eso crea una gran cultura de experimentación. Pero realmente es insuficiente para obtener un ROI masivo.
El problema no es la experimentación. El problema es la falta de visibilidad sobre qué realmente está funcionando y qué está generando inconsistencia en la organización.
Esa inconsistencia es estructural. Cuando una herramienta de IA en reclutamiento puntúa candidatos según un modelo de competencias, y una herramienta distinta de IA en desempeño genera recomendaciones de desarrollo según un criterio diferente, y una tercera herramienta en aprendizaje y desarrollo ofrece contenido basado en una señal de datos distinta, la organización termina con tres versiones sobre qué significa "hacerlo bien". Nadie diseñó ese resultado. Nadie está atento a ello.
Giovanni Luperti, CEO en Humaans, quien trabaja con clientes empresariales implementando agentes de RR.HH. a gran escala, planteó la distinción principal que guía muchas de estas decisiones: aumento de la toma de decisiones frente a sustitución de la decisión.
Para tareas repetitivas y deterministas — coordinación de onboarding, programación, responder preguntas sobre políticas — los agentes pueden ejecutar el proceso de forma confiable y mejorar con el tiempo. Pero para todo lo que requiera juicio, la persona debe seguir participando, no como un mero aprobador, sino como el verdadero responsable de la decisión.
A menudo no hay una respuesta correcta", dijo Luperti, "y entonces se convierte en una cuestión de aumentar la decisión.
El problema es que las organizaciones no siempre hacen esa distinción de forma deliberada. La IA se añade a un flujo de trabajo porque está disponible, porque un proveedor hizo una propuesta atractiva, porque el equipo se movía rápido.
El umbral de cuánta autonomía debe tener la IA para una decisión determinada se establece de forma implícita, no intencionada. Y cuando la IA interviene al mismo tiempo en reclutamiento, desempeño y desarrollo, esos umbrales tácitos empiezan a interactuar entre sí de maneras muy difíciles de auditar.
La base subyacente
La capa de datos empeora esto antes de mejorarlo. Lennox fue directo al respecto:
Si no estás construyendo desde una base de conocimiento grande y consistente, una capa de datos a la que puedas acceder y sobre la que puedas construir, entonces todo lo demás va a fallar.
El área de personas ha sido históricamente uno de los peores entornos de datos en cualquier organización, con sistemas fragmentados, definiciones inconsistentes, años de procesos manuales. Implementar IA encima de eso no limpia la base. Escala lo que ya existe.
Kit Krugman, SVP de Personas y Cultura en Foursquare, fue directo sobre lo que realmente exige este momento.
La función de personas siempre ha tenido el reto de conseguir ese asiento estratégico en la mesa, y la IA es una revolución en lo que podríamos lograr. Una capa de orquestación es una de las disrupciones más poderosas que veremos en este ámbito. Pero necesitas que la capa operativa básica encaje, así que hay que repensar todo el modelo operativo.
Esa es la parte que la mayoría de las organizaciones están omitiendo. Están implementando herramientas sin repensar el modelo operativo que hay debajo.
La capa de orquestación que describió Krugman — es decir, aquello que realmente coordinaría la actividad de la IA en toda la pila de personas y mostraría lo que el sistema está haciendo en conjunto — aún no existe en la mayoría de las empresas. En cambio, existe una colección de soluciones puntuales que reportan a diferentes líderes, funcionan con datos distintos y optimizan para resultados diferentes.
Lenox, quien ha tenido la ventaja de construir la función de personas desde cero en lugar de adaptarla posteriormente en Writer, describió su enfoque de diseño de roles en ese contexto.
Esa paciencia —la decisión de detenerse, mapear la necesidad real y luego construir hacia ella— es exactamente lo que la mayoría de las organizaciones no puede permitirse omitir al implementar IA en funciones interconectadas.
Actuar con intención significa algo específico aquí: identificar dónde la IA puede impulsar un resultado medible, construir desde una capa de datos limpia y establecer gobernanza antes de escalar. La mayoría de las organizaciones está omitiendo esa secuencia, no porque no sepan cómo hacerlo mejor, sino porque las herramientas son lo suficientemente accesibles como para que la presión de moverse rápido supere a la disciplina de avanzar de manera deliberada.
Eso produce una pila de personas que parece moderna desde fuera y es inconsistente en su núcleo. Cuando la IA hace recomendaciones en reclutamiento, desempeño y desarrollo al mismo tiempo, sin una lógica compartida y sin nadie supervisando las interacciones, el sistema no falla de manera obvia. Se desvía lentamente en una dirección que nadie eligió.
