Por qué mejorar la productividad comienza por comprender el trabajo

David Rice: Cuando un líder de la alta dirección observa la organización en su conjunto, lo que ve es un organigrama y un documento de procesos. El puesto A termina algo y se lo entrega al puesto B; B se lo entrega a C. Es limpio, sencillo y casi completamente ficticio. En el programa de hoy hablo con Heidi Farris, directora ejecutiva de ActivTrak, sobre la brecha entre cómo los líderes creen que se realiza el trabajo y cómo se realiza en realidad.

El flujo de trabajo real es la suma de las transferencias, los apaños y los desvíos informales que nunca llegan a ningún documento. Heidi llama a esto, en su versión positiva, conocimiento tribal. No se refiere a la clase de conocimiento de «sé muchísimo sobre el negocio», sino a las pequeñas adaptaciones diarias que mantienen las cosas funcionando. Las personas mejoran el trabajo todos los días, afirma Heidi.

El problema es que esto no suele aparecer en la documentación. Por eso hoy hablaremos de por qué el proceso documentado rara vez coincide con la forma en que realmente se realiza el trabajo, de las tres categorías para decidir dónde encaja la IA en un puesto, de qué ocurre con el rendimiento de una organización cuando un equipo acelera y sus equipos vecinos no lo hacen, y de las señales reales de que una empresa ha pasado de adoptar la IA a conseguir un impacto gracias a ella.

Soy David Rice. Esto es People Managing People y, si tu organización mide el éxito de la IA mediante métricas de uso en lugar de observar qué ocurrió con la capacidad que creó, esta conversación te mostrará lo que estás pasando por alto. Empecemos.

Muy bien, Heidi, bienvenida al programa. Es un placer tenerte aquí.

Heidi Farris: Gracias, David. Estoy encantada de estar aquí.

David Rice: Bueno, quería comenzar nuestra conversación con algo que, ya sabes, cuando un líder de la alta dirección observa hoy la organización en su conjunto, creo que es una de las frustraciones habituales que muchas personas tienen con el liderazgo en el trabajo, ¿verdad? Da la sensación de que no saben realmente qué implica el trabajo.

Y me pregunto: cuando un líder de la alta dirección observa la organización en su conjunto, ¿qué suele entender mal sobre cómo se realiza realmente el trabajo?

Heidi Farris: Creo que es algo con lo que muchas organizaciones están lidiando hoy. Si observas el panorama, todo el mundo habla de rediseñar el trabajo o de aplicar la IA al trabajo actual, pero lo que ven los líderes es un organigrama y un documento de procesos, ¿verdad?

Y, ya sabes, el puesto A termina algo, se lo pasa al puesto B y después B se lo pasa a C, y se supone que la transferencia debe ser ordenada y limpia. Tendemos a simplificar demasiado la manera en que realmente se realiza el trabajo en las organizaciones. Una persona de una organización puede estar utilizando fácilmente docenas de aplicaciones, varios procesos de aprobación, muchas partes interesadas y distintas soluciones improvisadas en un solo día.

Y el flujo de trabajo real es la suma de las transferencias, los apaños y los desvíos informales con los que lidian las personas y que no aparecen en un documento de procesos ni en un organigrama. Y es realmente muy invisible para la alta dirección, por lo que nos desconectamos bastante rápido de cómo se realiza de verdad el trabajo en una organización.

David Rice: Sí. Es algo bastante natural, ¿verdad? A medida que asciendes en la cadena, las cosas se reducen a gráficos, procedimientos operativos estándar y paneles de control. Creo que hay una distinción interesante entre tener visibilidad sobre los empleados y tener visibilidad sobre el trabajo. No son realmente lo mismo, ¿verdad?

Heidi Farris: Así es. Exactamente. Lo que nos importa es el trabajo en sí, ¿verdad? Mira, creo que los empleados, por instinto, siempre están dando lo mejor de sí, en gran medida. No se trata tanto de eso como de cómo ayudamos a mejorar el trabajo en toda una organización o de cómo entendemos cómo se realiza para poder mejorarlo, o de qué tareas pueden realizar los seres humanos aplicando criterio y empatía, algo que la IA no puede hacer.

David Rice: Y si intentas decidir dónde debería cambiar la IA la forma en que se realiza el trabajo, me pregunto qué necesitas comprender primero sobre ese trabajo. ¿Qué es realmente lo importante que ayudará a orientar esa decisión?

Heidi Farris: Necesitas comprender las tareas que realiza cada puesto, ¿verdad?

Y poder clasificarlas de alguna manera, porque los puestos son conjuntos de tareas y la IA transforma el trabajo modificando las tareas, no necesariamente sustituyendo puestos completos. Hay determinadas partes de cada puesto en las que la IA puede resultar beneficiosa. Por eso, lo primero es categorizar las tareas que realiza un puesto concreto en tareas repetitivas, estructuradas y basadas en reglas, que son apropiadas para la IA; tareas asistidas por IA que requieren una síntesis rápida de datos, la identificación de patrones o algo similar, donde la IA actúa como copiloto de una persona y existe colaboración; y tareas exclusivamente humanas que requieren empatía, inteligencia emocional y criterio.

Ese es el primer paso, y la mayoría de las personas se lo saltan por completo y se limitan a aplicar tecnología a todos los problemas.

David Rice: Es interesante que digas eso, porque antes estaba pensando en ello después de ver un vídeo de alguien hablando de que la empatía será lo más importante de cara al futuro, y creo que no la hemos enseñado especialmente bien.

A menudo la hemos considerado un rasgo en lugar de una habilidad. Un peligro de la IA es que su utilidad a nivel de tarea puede distraernos de la pregunta de si la tarea debería existir en su forma actual, y realmente hay distintos niveles de intervención, ¿verdad? Puedes mejorar la tarea, que creo que es en lo que hemos invertido mucho tiempo.

Puedes eliminar la tarea, quizá, o rediseñar el flujo de trabajo. Puedes replantearte el resultado que intentas producir. Aquí hay muchas opciones distintas. Pero creo que hay una diferencia entre preguntar «¿Puede la IA hacer esto?» y preguntar «¿Por qué alguien tiene que hacer esto?». Creo que esa segunda pregunta tiene más consecuencias.

Así que sí, las cosas más fáciles de automatizar, en muchos casos, no son necesariamente las más valiosas de cambiar, ¿verdad?

Heidi Farris: Así es. Creo que cada vez que haces una auditoría... La IA está arrojando luz sobre el trabajo ahora mismo, pero esto siempre ha existido. Con el tiempo, acumulamos deuda de trabajo del mismo modo que una plataforma tecnológica o un producto acumula deuda técnica.

Y hay ciertas cosas que, como dices, llega un momento en que tienes que reevaluar y decir: «¿Por qué seguimos haciendo esto?». Y realizar una auditoría completa para comprender, una vez más, los distintos tipos de trabajo y cómo mejorarlos. Porque, como he dicho, no todo es IA.

La IA no es la solución para todos los problemas que vemos en el trabajo. A veces hay que rediseñar el flujo de trabajo, a veces hay que proporcionar mejores herramientas y formación a las personas, y a veces la tecnología es completamente inadecuada. Tienes que comprender realmente cómo se realiza el trabajo y qué tareas se llevan a cabo para poder descomponerlo y decir: «De acuerdo, así es como podemos mejorarlo».

Y puede que la solución sea la IA, o puede que sea otra cosa.

David Rice: Supongamos que la IA devuelve a un equipo el 15 % de su capacidad, ¿verdad? Hemos visto muchos aumentos de productividad y, en algunos casos, ha facilitado las tareas administrativas y cosas por el estilo. Pero me interesa saber qué decisión debe tomarse después si las personas recuperan capacidad.

¿Cuál es el primer paso para redistribuir esa capacidad teniendo en cuenta el valor empresarial? Últimamente se lo pregunto a muchos líderes. Porque, si se deja en manos de los empleados, la situación puede volverse bastante interesante.

Heidi Farris: Creo que lo primero es dar autoridad a alguien de la organización para tomar decisiones.

Lo que quiero decir es que, como has dicho, la capacidad no se redistribuye sola. Si nadie es explícitamente responsable de ella, simplemente vuelve a ser absorbida de manera silenciosa por la organización: quizá se dedica a trabajo de poco valor o desaparece en algún lugar de Slack. Como he dicho, existe esa lista de deuda de trabajo que se ha acumulado con el tiempo, y puede que no sea el trabajo más valioso al que quieras que las personas vuelvan por defecto.

Y lo segundo es decidir en qué categoría encaja, ¿verdad? ¿Nuestro objetivo es reducir costes? ¿Queremos reducir el tamaño de la función? ¿Se trata de reinvertir? ¿Queremos redirigir las horas liberadas hacia trabajo de mayor valor? ¿O se trata de expandirnos? ¿Queremos asumir un proyecto completamente nuevo o un tipo de trabajo nuevo que nunca antes había existido en la organización?

Cada opción tiene un resultado financiero diferente. Algunas se relacionan con el EBITDA, otras con el crecimiento y otras con la diferenciación en el mercado. Y, si solo celebras la métrica de adopción y nunca compruebas en qué categoría terminó esa capacidad, nunca podrás establecer una relación con la cuenta de resultados para decir: «Así es como lo conseguimos».

Porque, al fin y al cabo, mejorar el trabajo es una mitad de la ecuación, pero la otra mitad consiste en demostrar dónde se reflejan esos resultados en el perfil financiero de la organización.

David Rice: Sí, y estoy totalmente de acuerdo con lo que has dicho sobre que puede convertirse en trabajo de poco valor. Hace poco hablaba con un líder de otra organización de medios.

Hablábamos de liberar parte del tiempo y tenían a una persona cuyas ideas no les habían impresionado demasiado. Habían empezado a utilizar la IA en su planificación creativa y eso estaba liberando mucho tiempo, pero después le pidieron a esa persona que lo introdujera todo en varias hojas de cálculo y que las gestionara. El tiempo se absorbía gestionando hojas de cálculo.

Y pensé: «¿Es ese un buen uso de la capacidad que se ha creado?». Porque creo que la IA probablemente también podría gestionar las hojas de cálculo. Pero eso no significa automáticamente que ya no necesites a esa persona. Creo que esa es la parte del relato que perdemos de vista demasiado a menudo: la reducción de plantilla.

Pero esa capacidad puede convertirse en muchas otras cosas. No lo sé. Parece que quizá falta una decisión de gestión entre ahorrar tiempo y crear valor. Alguien tiene que decidir para qué se utilizará ese tiempo. Y mi pregunta de seguimiento sería: ¿deberían los líderes decidir cómo se va a redistribuir la capacidad antes de automatizar?

Automatizar para crear esa capacidad y poder hacer X.

Heidi Farris: Sí, porque deberías empezar por tus objetivos, ¿verdad? Si tu objetivo es mejorar el EBITDA eliminando puestos, primero debes entender dónde existe la mayor oportunidad de automatización mediante IA en tu organización y empezar por ahí. Pero, si tienes muchos puestos en los que el 80 % del tiempo se dedica a tareas que requieren un copiloto —es decir, la IA como copiloto— o mucho criterio humano, no vas a eliminar esos puestos.

Y, si lo haces, acabarás contratando de nuevo a esas personas porque te darás cuenta de que el criterio humano, la empatía y la capacidad de poner a prueba lo que te dice la IA son importantes. No se trata simplemente de automatizar algo que ya es un proceso basado en datos y perfectamente definido. Son cosas muy distintas y, si un puesto está compuesto en un 80 % por esas otras actividades, tampoco conseguirás el EBITDA que quieres.

Por eso, como dices, es muy importante comprender cuál es tu objetivo antes de empezar. De lo contrario, podrías hacer mucho trabajo y no alcanzar nunca tu objetivo.

David Rice: Sí, totalmente. De acuerdo, adopción de la IA y valor de la IA. Una no conduce automáticamente al otro. Pero me interesa saber qué deberían medir realmente los líderes para saber si la IA está creando una capacidad significativa y si esa capacidad se traduce en mejores resultados empresariales.

Heidi Farris: La parte importante es algo que has mencionado: las métricas de uso miden la adopción. Las simples métricas de uso miden la adopción. Pero necesitas una medición anterior y otra posterior, ¿verdad? Tienes que entender cómo eran el tiempo de ciclo, el rendimiento y todo lo demás antes de implementar una solución, que podría ser la IA.

Y después, cómo es el trabajo. Sin una imagen del antes y el después, resulta muy difícil evaluar cómo afectó realmente la nueva solución que introduje en el proceso a la forma en que se realiza el trabajo. ¿Mejoró la capacidad? ¿Mejoró el rendimiento?

¿Dónde obtuve una mejora? Y casi nadie sigue hoy el destino real de esa capacidad ni lo analiza. Si no puedes responder qué está haciendo un equipo con el tiempo que le devolvió la IA, no tienes una historia de retorno de la inversión; solo tienes una historia de adopción.

Hemos gastado dinero y empezado a utilizar más herramientas, pero no lo hemos relacionado con nada significativo para la empresa.

David Rice: Sí, acabas de preguntar qué está haciendo el equipo, y creo que ese debe ser el foco. La productividad individual resulta muy seductora porque es fácil demostrar que algo que antes me llevaba 40 minutos ahora me lleva 10.

Pero ¿se beneficia realmente la organización de que el proceso de una persona sea un poco más rápido? Puedes ser un 30 % más productivo sin que la organización sea un 30 % más productiva. Y, si termino mi trabajo el doble de rápido, pero después sigue en la cola de otra persona como cuello de botella durante tres días, ¿hemos mejorado realmente algo?

Por eso hay una distinción útil entre eficiencia de las tareas, rendimiento del flujo de trabajo y resultado empresarial. Me interesa saber por qué suele existir una brecha tan grande entre cómo creen los líderes que funciona un flujo de trabajo y cómo se realiza en realidad. Aludimos a ello al principio, pero, según tu experiencia, ¿podrías explicarlo un poco?

Heidi Farris: Sí. Aparte de lo que ya hemos hablado, el documento de procesos es una instantánea en el tiempo y el trabajo es un objetivo en movimiento. El trabajo cambia constantemente. Documentas un proceso, pero solemos decir internamente que un documento de procesos rara vez sobrevive a la plantilla.

Eso no significa que las personas no estén haciendo lo correcto. Significa que, en la práctica, un documento de procesos no muestra todos los matices. Las personas más cercanas al trabajo realizan docenas de pequeñas adaptaciones cada semana para mejorarlo. Y, si esas adaptaciones rara vez vuelven a reflejarse en algún documento, cuando multiplicas esto por cientos o miles de puestos y muchos años, la brecha entre el proceso documentado y el flujo de trabajo real se amplía muy rápidamente. Los líderes necesitan una visión clara y continua de cómo se realiza el trabajo para poder gestionar las organizaciones con agilidad en la era de la IA.

David Rice: Sí, no se me ocurre ningún lugar en el que haya trabajado donde no tuviéramos algún apaño, una solución alternativa repetible que hubiéramos creado como empleados. El proceso formal no coincide con la realidad sobre el terreno. Creo que uno de los riesgos de la IA es que intentemos automatizar el flujo de trabajo oficial sin comprender realmente la solución alternativa que quizá hacía que el proceso funcionara.

En algunos casos, esa solución hacía que las cosas funcionaran por accidente. No formaba parte del plan inicial, pero si empezamos a eliminarla, tenemos que responder cuánto del proceso se rompe.

Heidi Farris: Creo que, como líderes, no reconocemos suficientemente que las personas mejoran el trabajo todos los días porque utilizan el razonamiento y muchas otras capacidades. Cuando eres una persona recién incorporada, sigues un documento de procesos y haces clic en todos los pasos que se supone que debes seguir.

Entonces te encuentras con algo y piensas: «Oh, no». Y, por supuesto, la persona sentada a tu lado, al otro lado del espacio de trabajo o en Slack te dice: «Ah, sí, tienes que mantener pulsada la tecla Mayús, ir a Excel, copiarlo desde aquí y pegarlo allí; entonces todo volverá a funcionar».

No reconocemos suficientemente que los seres humanos resuelven esas cosas y que no aparecen en ningún documento. La gente llama a eso conocimiento tribal, ¿verdad? Pero muchas veces, cuando las personas piensan en conocimiento tribal, imaginan algo como «sé muchísimo sobre la inteligencia del negocio; ese es mi conocimiento tribal».

Ese no es el conocimiento tribal que realmente hace funcionar una organización. El conocimiento tribal que hace funcionar una organización está compuesto por todos esos pequeños matices y soluciones alternativas, por saber cómo tengo que hacer que algo funcione cada día para que el negocio pueda seguir operando.

David Rice: Eso nos lleva a otra pregunta: ¿qué ocurre con la planificación de la plantilla cuando la IA cambia la capacidad de distintas funciones?

Y estamos viendo que ocurre a ritmos diferentes, ¿verdad? Para un analista será muy distinto que para alguien de marketing o de contabilidad. Hay muchos campos diferentes que ahora aplican la misma tecnología, pero no siempre tiene el mismo efecto en todos ellos.

Entonces, ¿qué debemos tener en cuenta al pensar en la planificación de la plantilla?

Heidi Farris: Tuvimos un ejemplo interno muy bueno con nuestros propios equipos. Nuestro equipo de ingeniería adoptó herramientas de programación basadas en IA y encontró la manera de sacarles mucho partido. Redujeron nuestros tiempos de ciclo y aceleraron las entregas de código.

El rendimiento de ingeniería se duplicó con creces. Fue una victoria y todos empezamos a celebrarlo, pero enseguida nos dimos cuenta de que nuestros ingenieros podían programar más rápido de lo que el equipo de gestión de producto podía volver a desarrollar los requisitos para ellos. Así que simplemente trasladamos el cuello de botella de una función del grupo a otra y, como organización, no mejoramos realmente el rendimiento global.

Durante un tiempo sí, porque pudieron terminar más rápido los requisitos que ya tenían asignados, pero después surgió el problema de generar nuevos requisitos al ritmo al que ahora podían desarrollar código. Por eso las organizaciones tienen que observar el conjunto de la organización y comprender que todo el trabajo está conectado de alguna manera. Si un departamento acelera su rendimiento o reduce su tiempo de ciclo, los equipos vecinos tendrán que adaptarse para poder mantener el ritmo de ese cambio.

David Rice: Ese parece un ejemplo perfecto del problema de la planificación de la plantilla: no se trata de cuántas personas necesitamos, sino de dónde se trasladará el límite, porque cambia constantemente. Como decías, las mejoras de productividad aisladas trasladan el cuello de botella o pueden crear otros nuevos en lugar de eliminar los antiguos.

Heidi Farris: Y parte de eso va a ocurrir porque no puedes hacerlo todo a la vez. Pero por eso hay una secuencia en la forma en que debes pensar las cosas. Esto debería formar parte de la planificación de la plantilla. Debes detenerte y pensar qué parte deberías acelerar primero y cuánto tiempo te comprará antes de encontrarte con un cuello de botella en otro lugar.

Poder disponer de una visión continua del trabajo en toda la organización te permite comprender dónde se producirán esos flujos y cambios.

David Rice: Cuando encuentras un flujo de trabajo que consume más capacidad de la que creemos que debería, ¿cómo determinas si la respuesta es la IA, el rediseño del proceso, otra tecnología o simplemente una mejor capacitación?

Heidi Farris: Creo que la primera pregunta que deben responder los líderes es qué está causando realmente el lastre. Si el trabajo es repetitivo, está bien definido y tiene un gran volumen, es un candidato para la automatización o la IA. Pero, si la secuencia en sí es incorrecta —hay demasiadas aprobaciones, transferencias innecesarias o pasos duplicados—, entonces es un problema de rediseño del proceso que debes solucionar.

Y, si el proceso y las herramientas están bien, pero las personas no conocen la mejor manera de realizar el trabajo o carecen de las habilidades necesarias, entonces es un problema de capacitación. La solución tiene que corresponderse con la causa real de que el trabajo no sea tan eficiente o bueno como te gustaría. Sin embargo, la mayoría de las organizaciones optan por comprar más tecnología sin comprobar primero cuál de esas tres situaciones se está produciendo.

David Rice: Sí, parece que aquí puede existir un problema de incentivos. Hemos asignado presupuestos para IA y los ejecutivos han asumido compromisos con ella; han dicho a todo el mundo que debe priorizar la IA. Por eso, identificar algo como un caso de uso de IA resulta más atractivo que identificarlo como un problema de gestión o de procesos aburrido.

Una vez que decides apostar por la IA y dices que es estratégicamente importante, me pregunto si existe el peligro de que toda ineficiencia empiece a parecer de repente una oportunidad para la IA, cuando en realidad puede ser una tarea manual recurrente que solo necesita automatización, o una tarea incoherente que necesita estándares más claros.

Heidi Farris: Exacto. O una tarea confusa que necesita formación. Tenemos que pensar en estas categorías diferentes.

Creo que salimos con mucha fuerza con la IA, que sigue avanzando y representa un cambio radical. No me cabe ninguna duda de que la IA es muy valiosa y cambiará la forma en que todos trabajamos.

No hay ninguna parte de mí que piense lo contrario. Y creo que, al principio, para gestionar el cambio resulta muy difícil a menos que te comprometas completamente con algo. Por eso entiendo perfectamente que las organizaciones impulsaran tanto la IA: para cambiar los hábitos y la manera de trabajar de las personas y conseguir que pensaran de forma diferente, a veces tienes que hacer algo un poco exagerado para poner en marcha el cambio.

Pero ahora creo que el cambio ya está en marcha, porque estamos viendo casos de personas que dicen: «Despedimos demasiado rápido; tenemos que volver a contratarlas», o «Dijimos a todo el mundo que maximizar el uso de tokens te llevaba a lo más alto de la clasificación y que recibirías bonificaciones por ello», y ahora están poniendo límites al gasto.

Así que ahora hace falta un enfoque más reflexivo y a largo plazo sobre cómo se utiliza la IA en estas organizaciones. Creo que necesitamos un marco que comprenda los puestos, las tareas, las tareas humanas y las asistidas por personas, y las tareas exclusivas de la IA. ¿Dónde encaja la IA y cómo vas a obtener sus beneficios a largo plazo ahora que has convencido a todo el mundo de que es el camino que hay que seguir y ya tienes a las personas utilizándola?

¿Qué vas a hacer ahora?

David Rice: Es casi como un juego de construcción de ciudades, ¿sabes? Tu primera ciudad era un mapa muy limpio, pero ahora tienes que desarrollarla hasta convertirla en una ciudad mucho más detallada, compleja y sofisticada.

Tu comprensión de lo que ocurre en el trabajo. Ya lo has mencionado: estamos completamente inmersos en ello y avanzamos con la IA, que está cambiando los flujos de trabajo entre funciones. Tradicionalmente, Recursos Humanos era responsable de los puestos, los sistemas de talento y la planificación de la plantilla. Operaciones se ocupaba de los procesos, TI de la tecnología y Finanzas del dinero.

Toda la estructura. Pero, a medida que empieza a cambiar los flujos de trabajo entre esas funciones, me pregunto quién debe ser responsable de rediseñar el trabajo en sí. Si todo el mundo lo hace de una manera muy diferente, no sé si seguirá coordinándose como antes.

Heidi Farris: El rediseño del trabajo necesita una persona responsable que tenga dos cosas de las que creo que carecen hoy muchas iniciativas de IA.

Una es visibilidad sobre todo el flujo de trabajo, no solo sobre la parte de una función, para comprender dónde se producen esos cambios y cómo se conecta el trabajo. La segunda es la autoridad real para cambiar la estructura del trabajo. Sin esta segunda parte, estás limitado.

Puedes señalar todos los lugares de una organización, pero, sin autoridad para entrar y decir «vamos a replantearnos realmente cómo se estructura el trabajo de esta función, puesto o departamento», no puedes hacerlo. Hace falta autonomía y autoridad.

Los líderes funcionales están muy cerca del trabajo y, a veces, esa cercanía hace que se vinculen a una determinada forma de hacer las cosas y se pongan nerviosos ante la idea de cambiarlas.

Por eso no puede ser únicamente un equipo de IA o de TI, porque no comprende esos matices que sí conocen los líderes funcionales. Pero tampoco pueden ser solo los líderes funcionales, porque no entienden todas las capacidades que la IA puede aportar a una organización. En realidad, a menudo debería ser alguien en un puesto similar al de director de operaciones, ¿verdad?

Alguien que sea responsable de los resultados de principio a fin y trate el rediseño como un entregable real en toda la organización. La IA es solo una de las maneras de resolver el problema, no la única manera.

David Rice: Sí, estoy de acuerdo. Durante el último año hemos mantenido muchas conversaciones sobre la necesidad de ampliar el ámbito de responsabilidad del director de Recursos Humanos, pasando del diseño de puestos y organizaciones al diseño de la combinación de capacidades humanas y tecnológicas para producir trabajo.

Pero creo que, para quienes lo han hecho, eso ha supuesto un aumento de la responsabilidad operativa, en lugar de seguir sintiendo que trabajan principalmente en Recursos Humanos o en operaciones de personas. El puesto ha evolucionado hasta un punto en el que, sinceramente, no sé si esa es la solución a largo plazo, porque creo que el desafío relacionado con las personas ya es suficientemente grande.

Heidi Farris: Estoy de acuerdo. Creo que lo que la IA aporta a los líderes de Recursos Humanos, y que desde mi punto de vista es muy interesante, es que empieza a unir realmente a las personas y las operaciones.

Muchas veces las organizaciones apartan a Recursos Humanos y dicen: «Recursos Humanos hace sus cosas por aquí y nosotros gestionamos el negocio por allí. Recursos Humanos aparece con asuntos de cumplimiento y otras necesidades; ellos tienen sus propios datos y nosotros tenemos los datos con los que gestionamos el negocio».

Ahora todos esos datos deben ofrecer la misma visión del trabajo, porque, si vas a gestionar y rediseñar puestos, Recursos Humanos es obviamente una pieza clave, si no el responsable, en toda esa conversación. Y eso tiene implicaciones en la remuneración, el título, la estructura y muchas otras cuestiones.

Por eso creo que la IA es muy interesante para los líderes de Recursos Humanos. Aunque por un lado supone una gran exigencia, también les ofrece la oportunidad de participar realmente en la gestión diaria del negocio, en lugar de ser un centro de cumplimiento que permanece al margen de todo.

David Rice: Antes has mencionado las métricas de uso, y creo que hay muchas por ahí: las licencias activadas, los usuarios activos semanales, los casos de uso puestos en marcha y todo tipo de indicadores que nos dicen: «Estamos utilizando esta tecnología». Pero no creo que necesariamente nos indiquen que hemos pasado de la adopción y hemos cambiado operacionalmente.

¿Cuáles dirías que son las señales de que alguien ha conseguido hacerlo y de que el negocio funciona ahora de otra manera?

Heidi Farris: Creo que sabes que una organización ha superado la adopción cuando el liderazgo, o realmente cualquier persona de la organización, puede explicar qué trabajo se rediseñó, cuál fue el resultado y dónde se refleja en los objetivos.

Para el liderazgo, eso aparece en la cuenta de resultados. Para los equipos, puede aparecer en objetivos secundarios. Pero hay que poder decir, en lugar de limitarse a mencionar algo puntual como «nuestro equipo de atención al cliente ahora ahorra...», que antes tenía que preparar manualmente los informes trimestrales de negocio, recopilar todos los datos de un cliente, crear la presentación y hacer todo lo demás.

Ahora podemos hacerlo en cinco minutos, cuando antes tardábamos cuatro horas. Eso es una cosa. Pero hay que poder decir: «De acuerdo, ¿dónde se reflejó eso en un objetivo o en la cuenta de resultados?». Porque eso, por sí solo, no es lo importante. Lo importante es que, con ese tiempo adicional, pudieron aumentar su cartera en 50 clientes cada uno y ahora necesito una proporción de un gestor de éxito del cliente por cada 75 clientes, en lugar de una proporción de uno por cada 25.

Ahí es donde empieza a reflejarse en los objetivos y en otros indicadores. Esas son, en mi opinión, las señales clave de que una organización pasa de la simple adopción al impacto: no me digas solo qué hiciste con la IA; dime qué hiciste después con el beneficio que obtuviste gracias a ella.

David Rice: Cada vez estoy más convencido, a medida que mantengo estas conversaciones, de que todo esto tiene que hacerse visible en algún lugar. No puede quedarse únicamente en un panel de control. Tiene que reflejarse en el diseño de los puestos, en los resultados para los clientes, en la estructura organizativa, en las habilidades o en cualquier otro aspecto. Pero, si realmente está transformando la organización, debería poder ver pruebas sin consultar una métrica.

Quizá la señal definitiva de madurez en materia de IA sea que dejemos de hablar de IA, porque pasemos a hablar de cómo funciona el negocio.

Heidi Farris: Estoy completamente de acuerdo. Creo que Recursos Humanos y Operaciones van a colaborar, y que la IA es una de las muchas soluciones que utilizaremos al explorar cómo se realiza el trabajo hoy.

David Rice: Totalmente. Bueno, Heidi, esas son todas las preguntas que tenía para ti hoy. Gracias por participar en el programa y por compartir tus ideas con nosotros. Te lo agradezco mucho.

Heidi Farris: Gracias a ti por invitarme, David.

David Rice: Oyentes, si aún no lo habéis hecho, entrad en peoplemanagingpeople.com/subscribe. Suscribíos a todos nuestros boletines. Publicamos tres cada semana y recibiréis todo este contenido perfectamente organizado directamente en vuestra bandeja de entrada.

Hasta la próxima. Las personas ya están mejorando el trabajo cada día. No lo olvidéis.