Lo que encontró la IA cuando llegó al trabajo
Alivio con la IA: Los empleados sintieron alivio, no resistencia, cuando las herramientas de IA aliviaron sus cargas administrativas en Leapsome.
Brecha de preparación: La adopción de la IA revela un problema de confianza, no solo una brecha de habilidades, en la preparación de la fuerza laboral.
Problema de documentación: La falta de documentación de procesos dificulta el uso eficaz de la IA, exponiendo vulnerabilidades organizativas.
Fragmentación organizativa: Los sistemas desconectados de RRHH limitan el potencial de la IA, resaltando la necesidad de una gestión de talento integrada.
Arquitectura de la confianza: La adopción de la IA requiere transparencia y responsabilidad para construir confianza y alineación en la organización.
Cuando Jenny Podewils implementó herramientas de IA en los equipos internos de Leapsome, esperaba resistencia. Lo que encontró en cambio fue alivio.
"La gente quería deshacerse del trabajo que se acumulaba alrededor de sus verdaderas funciones", dice ella. "Borradores iniciales, resúmenes, seguimientos, recopilación de datos, formateo. Cuando la IA absorbió eso, algo se liberó".
Lo que se liberó no fue solo tiempo. Fue una visión de algo que había estado presente todo el tiempo. Los empleados de Leapsome, como resultó, habían estado enterrados lentamente bajo un andamiaje administrativo durante años. La mayoría lo había aceptado en silencio como parte natural del trabajo. La IA lo hizo visible, y una vez visible, nadie quería volver atrás.
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
Podewils es co-CEO de una empresa que desarrolla software de RRHH, por lo que tiene tanto una perspectiva interna de cómo las organizaciones usan la tecnología de gestión de personas como un contacto directo con lo que experimentaba su propio equipo. Su observación acerca de esa implementación toca un punto que suele quedar minimizado en la mayoría de conversaciones sobre la adopción de la IA.
El problema que la IA está exponiendo en RRHH no es un problema tecnológico. En muchos casos, ni siquiera es un problema nuevo. Es una falla de diseño organizativo con una larga historia detrás.
Los líderes que gestionan la IA de manera más efectiva en este momento no son quienes van más rápido. Son quienes están dispuestos a mirar lo que la IA pone en evidencia y no apartar la vista.
La Brecha de Preparación Que No Se Trata de Preparación
Jeanne Meister ha pasado más de tres décadas ayudando a organizaciones a navegar la transformación de la fuerza laboral. Ha visto cómo las empresas luchan contra cambios demográficos, trabajo híbrido, brechas de competencias y media docena de cambios estructurales que se suponía redefinirían el trabajo tal y como lo conocíamos. La IA, dice, es diferente en un aspecto específico: ha hecho innegable una brecha existente. Ella la llama la brecha de preparación.
"La brecha entre lo que las organizaciones quieren hacer con la IA y la preparación de la fuerza laboral para adoptar la IA en sus flujos de trabajo."
Pero rápidamente argumenta que la capacitación no es la causa principal.
"Es un tema de confianza y miedo. Los empleados temen volverse obsoletos. Les preocupa el mandato de ser competentes en IA y lo que esto significa para sus roles actuales y futuros."
Esa distinción, entre un problema de habilidades y uno de confianza, es sumamente importante. Si la brecha es de capacidad, se resuelve con programas de formación. Si la brecha es de miedo, los programas de formación por sí solos no bastarán. Se trata de algo que está debajo del marco de competencias.
Sus datos de encuesta lo dejan claro: el 79% de los trabajadores dice que se siente no preparado para usar IA en el trabajo y el 65% afirma que su organización no ha proporcionado la capacitación adecuada. Pero Meister va más allá de esos números.
"Muchas empresas exigen conocimientos en IA a su fuerza laboral pero no definen lo que eso significa para sus empleados."
Un mandato sin definición no es una estrategia. Es un mecanismo para generar ansiedad.
Lo que ella describe en realidad no es una brecha de preparación. Es una falla de comunicación agravada por problemas de responsabilidad. Los líderes creen estar comunicando el impacto de la IA. Los empleados no lo sienten así. Esa distancia, entre la intención y la recepción, es algo que la mayoría de las organizaciones ya gestionaban mal antes de la llegada de la IA. Ahora se refleja en los números de adopción de IA.
El Problema de Documentación Es un Problema de Diseño
Linnea Bywall aceptó el puesto de VP de Personas en Quinyx después de seis años y medio construyendo la función de gestión de personas en Alva Labs. Llegó con una teoría clara sobre lo que debía suceder antes de que cualquier cosa relacionada con IA pudiera funcionar a gran escala.
"La falta de documentación es un obstáculo significativo para la preparación en IA", dice ella. "Muchas organizaciones quieren usar IA, pero demasiados procesos existen solo en la mente de las personas".
Lo que suena como un requisito técnico —documentar los procesos para que los modelos de IA puedan trabajar con ellos— es en realidad un ajuste estructural. Si tu proceso de inducción, el enfoque para calibrar el desempeño, tu filosofía de compensación viven mayormente en la memoria muscular de quienes llevan suficiente tiempo como para saber cómo funcionan las cosas, tienes un problema de fragilidad organizativa que precede a la IA por años.
El equipo de Bywall reescribió su Manual para Personal y el Manual para Gerentes, incorporó metas de documentación en los OKR trimestrales, y utilizó la IA tanto como herramienta de escritura como para detectar vacíos de información. El proceso fue revelador más allá de los propios documentos. "Usamos la IA como contraparte para asegurarnos de cubrir todas las piezas necesarias", dice ella. Lo que surgió les mostró cuánta información institucional nunca se había hecho explícita.
Podewils llegó a la misma conclusión por otro camino. Cuando explica por qué la IA necesita datos conectados e históricos para generar ideas útiles, está haciendo una defensa de la documentación con otro vocabulario.
"Un agente de IA brillante y autónomo fuera de tu sistema de RRHH puede redactar una descripción de puesto, claro. Pero no puede decirte si el compromiso está disminuyendo en un equipo específico, si un alto rendimiento no ha tenido una conversación de desarrollo en meses, o si los subordinados directos de un gerente tienen constantemente un desempeño inferior en sus propias evaluaciones de pares."
Tratar la documentación como un primer paso hacia la preparación para la IA suele conducir al descubrimiento de algo que debería haberse afrontado independientemente de la IA. La organización funciona sobre una infraestructura informal. Eso funcionaba mientras las personas con el conocimiento se quedaban. Siempre fue una responsabilidad latente.
Contemplación interna a gran escala
Dean Carter pasó casi 25 años como CHRO en empresas como Fossil, Sears, Patagonia y Guild antes de pasar al puesto de CEO en Instill, una empresa de IA centrada en señales culturales en conversaciones organizacionales. Su perspectiva es tanto prolongada como transversal, y no es particularmente suave sobre lo que ve que los RRHH hacen con la IA en este momento.
"Creo que RRHH está demasiado enfocado en reformar flujos de trabajo y el diseño organizativo", dice. "Eso es una gota en el océano. Casi no tiene retorno de inversión para la empresa. Estamos contemplándonos a nosotros mismos al aplicar la IA a lo que ya existe."
Esta es la versión más difícil del argumento. Bywall y Podewils sostienen que las organizaciones deben hacer un trabajo fundacional antes de que la IA pueda aportar valor. Carter argumenta que incluso las organizaciones que hacen bien el trabajo fundacional pueden estar resolviendo el problema equivocado. Si estás usando IA para optimizar un proceso de evaluación de desempeño que ya estaba roto, no has transformado nada. Has automatizado un fracaso.
Él maneja un marco específico para cómo piensa sobre el papel de la IA en su propio trabajo.
"El ochenta por ciento de lo que la IA me brinda es genial, y eso es todo lo que necesito. Ya no necesito ni quiero una solución, imagen o respuesta final. Quiero que haga la recopilación y asimilación de conocimiento, ese trabajo que lleva más tiempo que esfuerzo mental, y entonces puedo usar mi tiempo y mi mente para modelar el veinte por ciento final, desafiante y maravilloso."
Eso no es una optimización de flujos de trabajo. Es una redefinición del lugar donde debe intervenir el juicio humano en el proceso. El trabajo de recopilación era la parte que consumía tiempo sin generar pensamiento diferenciado. El veinte por ciento es donde la experiencia, la sabiduría y la comprensión contextual realmente importan. La IA no creó esa distinción. Solo hizo posible que se valore.
La pregunta más difícil que plantea Carter es cuántos equipos de RRHH están utilizando la IA para proteger la estructura existente en lugar de examinarla. ¿Cuántos están automatizando procesos que deberían haber sido rediseñados?
El problema del tejido conectivo
Trent Cotton dirige el área de análisis de talento en iCIMS y piensa en el papel de la IA en RRHH en términos estructurales. Su visión de lo que la IA puede hacer posible, una vista integrada del portafolio de talento que conecta reclutamiento, movilidad interna, desempeño y aprendizaje en un solo lugar, suena ambiciosa. Pero se basa en un diagnóstico que habla menos de la capacidad de la IA y más de la fragmentación organizacional.
"Hoy en día, RRHH pasa demasiado tiempo persiguiendo procesos desconectados", asegura. "Requisiciones por aquí, movilidad interna por allá, el aprendizaje en otro sistema."
Esta fragmentación no es nueva. Las funciones de RRHH llevan décadas gestionando sistemas desconectados, adquiriendo soluciones puntuales para problemas específicos, construyendo parches y perdiendo calidad de datos en cada transferencia. La IA no arregla esa fragmentación. Expone por qué siempre fue un problema. Porque la información que la IA puede generar a partir de datos conectados—quién está en riesgo de irse, qué gerentes están desarrollando a su gente, dónde se están formando vacíos de sucesión—no está disponible si los datos están en silos.
"La IA genera información útil a partir de datos conectados", afirma Podewils. "Genera ruido a partir de datos asilados. La fragmentación se está convirtiendo en un legado costoso, y el ajuste de cuentas está más cerca de lo que la mayoría espera".
Cotton lleva esto incluso a la naturaleza misma del liderazgo. Habla de un cambio de "líder de una función" a "diseñador de sistemas que aprenden". El líder de RRHH habilitado por IA, en su planteamiento, no está haciendo menos. Opera a otro nivel, capaz de evidenciar riesgos de capacidad y estrategias de fuerza laboral en conversaciones que antes se basaban en la intuición y en datos rezagados.
"Con información integrada y potenciada por IA, RRHH puede entrar a una reunión y decir: 'Esta es la mezcla de capacidades en tu equipo hoy, esto es lo que tu estrategia requiere, y aquí tienes tres movimientos de portafolio que podemos realizar.'"
Esa es una conversación de liderazgo diferente. Requiere una infraestructura distinta. Y construir esa infraestructura, los sistemas conectados, los datos limpios, los procesos documentados, es un trabajo que no tiene nada que ver con la IA y todo que ver con la disciplina organizacional que antes era opcional y ya no lo es.
La arquitectura de la confianza que sostiene todo esto
Lo que vincula el problema de la documentación, la brecha de preparación, la crítica de la introspección y el problema de la fragmentación tiene una raíz común. Cada uno, en el fondo, es un problema de confianza.
Los empleados que temen la obsolescencia por IA no confían en que la organización esté gestionando esta transición considerando sus intereses. La observación de Meister de que las empresas exigen alfabetización en IA sin definir qué significa para cada puesto es una falla de confianza.
"Los líderes deberían pasar de una 'formación en IA para todos por igual' a una formación en IA específica para cada rol y evaluar el desempeño en ese contexto."
Carter lo expresa de forma más directa. Cuando los líderes piden a los empleados que mapeen sus tareas y habilidades en el contexto de la adopción de IA, la mayoría de los trabajadores perciben un mensaje diferente al que realmente se les está enviando.
"A pesar de lo que los líderes dicen, las personas ven lo que hacen, y eso no se siente auténtico." Esa brecha entre la intención y la percepción es una brecha de confianza. Existía antes de la IA. Solo que la IA le dio nuevo material con el que trabajar.
La observación de Bywall sobre su propio proceso de adopción tiene el mismo trasfondo.
"Puede dar miedo quedarse atrás al adoptar la IA. Mucha gente predica sobre cómo ha revolucionado su forma de trabajar, pero pocos explican cómo lo están haciendo. Creo que eso puede ser abrumador para las personas y les impide realmente sumergirse."
El problema de la transparencia, líderes hablando de resultados sin explicar el camino, genera ansiedad justo donde se necesita involucramiento. Esto es un fallo de comunicación y confianza disfrazado de IA.
Podewils delimita el papel de la IA en las decisiones de RRHH con una claridad poco común.
"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, detecta. Una persona revisa, decide y asume el resultado."
Ella plantea el riesgo, no como un mal funcionamiento de la IA, sino como una IA que funciona exactamente como fue diseñada y está dirigida en la dirección equivocada. Evaluaciones que se hacen más rápido pero se sienten menos humanas. Políticas respondidas por un chatbot sin verificación. Decisiones que parecen objetivas porque las produjo un sistema.
"El riesgo es que la IA funcione exactamente como se diseñó, pero apunte en la dirección equivocada."
Ese es el problema de la arquitectura de confianza. Y no se puede resolver solo con marcos de gobernanza de IA, aunque estos sean importantes. Se resuelve con lo mismo que construye la confianza organizativa bajo cualquier condición: transparencia sobre lo que se decide y el porqué, responsabilidad sobre los resultados y un liderazgo visible que refleje los valores enunciados.
Lo que revela el diagnóstico
Meister ha observado cómo la IA ha desviado el comportamiento de los líderes de RRHH en una dirección específica. Los primeros en adoptarla, observa ella, tratan a los agentes de IA como nuevos miembros del equipo y los integran deliberadamente. El cambio que ha notado se mueve "del 'yo lidero' al 'yo orquesto un equipo de humanos y agentes de IA.'" No es una filosofía de gestión construida en torno a la IA. Es una filosofía de gestión que la IA hace visible y necesaria.
La observación de Cotton es similar en estructura. Los líderes que construirán una ventaja duradera en los próximos cinco años, en su opinión, son los que usan la IA para "aumentar la capacidad de aprendizaje de la organización," en lugar de como un mecanismo de reducción de costes. La distinción no es semántica. Una postura construye capacidades, la otra las extrae.
Bywall termina con una predicción que tiene más peso viniendo de una psicóloga organizacional que de un tecnólogo:
"En los próximos cinco años, predigo que la mitad de las funciones de Personas se volverán redundantes. Los profesionales que permanezcan serán aquellos capaces de gestionar tanto personas como agentes."
No es, principalmente, una declaración sobre la capacidad en IA. Es una afirmación sobre el propósito organizacional. Los profesionales de RRHH que seguirán siendo valiosos son los que no fundamentan su valor en la capa administrativa que la IA está absorbiendo. Lo que significa que la pregunta que enfrentan los líderes de personas en este momento no es cómo adoptar la IA, sino qué defienden realmente, más allá de la estructura administrativa.
Podewils dice que muchos líderes de RRHH ingresaron al área porque les importaba la gente. Construir culturas, desarrollar líderes, crear entornos donde las personas pudieran rendir al máximo. "En algún punto, muchos se convirtieron en administradores de procesos. Los sistemas se acumularon. El rol se adaptó a ellos."
La IA no causó esa deriva. Pero sí está obligando a hacer un balance al respecto.
El diagnóstico está disponible para cualquiera dispuesto a mirar lo que la IA revela en vez de solo lo que puede hacer. Las organizaciones que traten esto como una simple implementación tecnológica aprenderán, con cierto coste, que la tecnología era la parte fácil.