5 lecciones sobre IA del tercer trimestre que todo director de RR. HH. debería recordar
Señales de formación: Las solicitudes de formación sobre adopción de IA suelen revelar prioridades, flujos de trabajo y estándares poco claros, más que simples carencias de conocimientos sobre las herramientas.
IA en la sombra: Los flujos de trabajo de IA no aprobados ponen de manifiesto necesidades de los empleados que no se han atendido, al tiempo que crean riesgos de responsabilidad, documentación y gobernanza.
Evidencias de supervisión: Una supervisión humana eficaz requiere desafíos documentados, derechos de decisión significativos y anulaciones medibles en los flujos de trabajo de alto impacto.
Límites del acompañamiento: Los mismos análisis de IA pueden mejorar el rendimiento o facilitar la vigilancia, dependiendo del acceso, el control del usuario y la conservación de los datos.
Paciencia estratégica: Un trabajo más rápido gracias a la IA no justifica una reestructuración inmediata; los líderes necesitan pruebas antes de cambiar las funciones, las expectativas o la capacidad.
Nuestros informes del último trimestre volvían una y otra vez al mismo punto: la parte difícil de adoptar la IA comienza después de que la herramienta funciona.
Una vez que las personas pueden utilizar la IA, los líderes tienen que decidir qué problemas merece la pena resolver, qué debería estandarizarse, quién debería cuestionar lo que produce la tecnología y con qué rapidez debería cambiar la organización a su alrededor.
Con esto en mente, estas son cinco lecciones del tercer trimestre que conviene tener presentes al planificar 2027.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
1. Las solicitudes de formación suelen indicar una brecha de criterio
En AI4, en agosto, Markus McKay-Fleisch, director de capacitación en IA para servicios profesionales de Smartsheet, describió el hallazgo de más de 50 proyectos independientes de Claude creados por empleados de finanzas, atención al cliente, ventas y recursos humanos para crear materiales alineados con la marca.
El problema era que los empleados no sabían que otra persona ya había resuelto el mismo problema.
Ese es cada vez más el problema que se oculta detrás de las solicitudes de más formación en IA. Puede que los responsables estén pidiendo formación cuando lo que realmente les falta a los empleados es claridad sobre qué problemas merece la pena resolver, cómo es un buen resultado o cómo debería cambiar su trabajo.
La misma limitación aparece en las bibliotecas de instrucciones. Una instrucción mejor puede hacer que una tarea sea más rápida, pero un flujo de trabajo rediseñado puede cambiar por completo la forma de realizarla.
La capacitación en IA no puede limitarse a enseñar a las personas a utilizar la herramienta. Tiene que ayudarles a decidir dónde merece la pena utilizarla.
2. La IA no aprobada te indica dónde están los problemas
Analiese Brown, directora de personal de Campminder, denomina «deuda de caos» a la fragmentación creada por la adopción descontrolada de la IA.
Al principio puede parecer progreso. Los empleados crean soluciones alternativas, automatizan tareas y comparten herramientas con sus compañeros. Con el tiempo, las organizaciones acumulan flujos de trabajo con una responsabilidad poco clara, escasa documentación y dependencias que nadie había previsto.
Eso crea un problema evidente de gobernanza, pero también genera información útil.
Si alguien de finanzas crea su propio proceso de conciliación, o un responsable de selección evita un sistema aprobado mediante un flujo de trabajo con IA, pregunta qué le llevó inicialmente a apartarse del proceso oficial.
La IA en la sombra no solo muestra dónde son débiles los controles. También puede mostrar dónde las herramientas y los procesos existentes no satisfacen las necesidades de las personas que los utilizan.
3. La supervisión humana necesita pruebas
La mayoría de los marcos de gobernanza de la IA siguen situando a una persona en algún punto del proceso.
La pregunta más útil es si esa persona discrepa alguna vez del sistema.
Una forma de comprobar si los derechos de decisión de la IA son reales consiste en observar flujos de trabajo con consecuencias relevantes, como la evaluación inicial de candidatos o las alertas de rendimiento, y contabilizar las anulaciones documentadas.
Si la cifra es cero, merece la pena investigarlo.
Tal vez el sistema realmente haya acertado todas las veces. O quizá los empleados no creen tener autoridad efectiva para cuestionarlo, no saben cuándo deberían hacerlo o no registran esos desacuerdos cuando se producen.
Nombrar a una persona como responsable es fácil. Crear un sistema que permita a esa persona ejercer su criterio es más difícil.
4. La misma IA puede servir para formar o vigilar
La IA puede hacer visibles aspectos del trabajo que antes los responsables no podían ver.
En Cognite, los responsables recibieron un análisis de sus propias entrevistas de selección. Uno descubrió que el 90 % de sus preguntas habían sido cerradas. Otro descubrió que había pasado el 85 % de una entrevista hablando en lugar de escuchar.
La información se devolvió a los propios responsables para que pudieran mejorar.
Esta distinción importa porque la formación y la vigilancia pueden proceder de la misma herramienta.
¿Quién ve los resultados? ¿Puede utilizarlos la persona evaluada? ¿Cuánto tiempo se conserva el registro?
Esas decisiones se toman cada vez más dentro de herramientas para tomar notas, productos de transcripción y plataformas de análisis. Para cuando una organización empieza a debatir si una herramienta resulta invasiva, es posible que algunas de las decisiones más importantes ya se hayan tomado en su configuración.
5. Más rápido no significa avanzar más
La IA genera presión para acortar los plazos.
Crear más rápido. Implementar más rápido. Mostrar el ROI antes. Convertir el tiempo ahorrado en valor medible.
Pero la velocidad también puede animar a los líderes a tomar decisiones permanentes a partir de pruebas temporales.
Por eso la paciencia estratégica importa más a medida que la IA acelera el trabajo. Que un flujo de trabajo se vuelva más rápido no te indica inmediatamente en qué debería convertirse el puesto, si la mejora será duradera o qué deberían hacer los empleados con la capacidad generada.
La IA tiende a cambiar el trabajo tarea a tarea. Algunas responsabilidades desaparecen. Otras adquieren más importancia. Surgen nuevas responsabilidades.
Los líderes necesitan suficiente tiempo para observar ese patrón antes de rediseñar puestos, elevar las expectativas de rendimiento o reducir la capacidad basándose en una mejora inicial de la productividad.
La temporada de planificación hace que esto sea especialmente importante. Las decisiones que se están tomando ahora sobre presupuestos, funciones y expectativas durarán más que los proyectos piloto que las están fundamentando.
Lo que nos dejó el Q3
El debate sobre la IA se está volviendo más específico.
Las conversaciones sobre adopción están quedando atrás. Ahora las preguntas son si los empleados la están aplicando a problemas que merecen la pena, qué nos indica la adopción no oficial, si las personas siguen ejerciendo su criterio y si los líderes pueden resistirse a convertir cada mejora inicial en una obligación inmediata.
