Estaba leyendo una serie de artículos sobre el balance entre la mente creativa y la aportación de la IA cuando me saltó una duda. Hasta ahora medimos lo que una persona logra: sus resultados, sus indicadores, su contribución. Los sistemas de objetivos -OKRs, scorecards, evaluaciones, tableros de control- están diseñados para demostrar el flujo de actividades y logros, igualmente de las personas. Pero cuando se opera con un agente digital que le amplifica la capacidad de análisis, de crear modelos y síntesis de datos; la unidad de desempeño ya no puede ser la persona, porque lo que se produjo lo hizo con un apoyo que proceso con precisión, en un plazo menor y que debió llevar, a su vez, mayor profundidad y capacidad de resolución. Ese res ahora el resultado de la persona junto con la herramienta, un nuevo binomio productivo que nos obliga a cambiará las definiciones de que, de como medir objetivos y sus resultados.
¿Qué significará en unos meses “ser un talento” en la organización?
Dos personas con el mismo rol, una integrando la IA en su diagnóstico -identificando brechas, modelando escenarios, conectando variables que no veía, desarrollando agentes para resolver tareas- y la otra usándola para documentar, argumentar y presentar información . Los resultados van a diverger por la calidad de la tarea y la amplitud de las acciones que se puedan ejecutar, en plazos que antes eran muy ambiciosos.
Lo que me llama la atención es que muchas organizaciones están tomando decisiones sobre talento basadas desde la precaución de lo que creen que la IA va a hacer en un futuro hipotético, no en lo que está haciendo. Una encuesta global con más de mil ejecutivos a finales de 2025 encontró que el 60% había reducido personal o frenado contrataciones en anticipación. Solo el 2% tomó medidas desde alguna implementación real. Klarna redujo su plantilla un 40% apostando a la IA y después tuvo que volver a contratar porque la calidad de los resultados se desplomó, seguramente y por como avanza el dominio y precisión de la integración de sistemas, se llegará a un balance en la delegación de que se delega a la. IA y que demanda experiencia y supervisión. Es el efecto de normal en los ciclos de nuevas tecnologías, sobreestimamos el impacto a corto plazo y lo subestimamos a largo. Pero en este caso es diferente porque las eficiencias que ya se ganaron en las capas operativas -automatizando reportes, acelerando análisis, reduciendo tiempos en lo repetitivo- crean una pauta. Los directivos van a querer replicarlas. Y lo que aún no vemos -agentes trabajando con agentes, tomando roles que hoy constituyen equipos completos- es donde quizá estemos subestimando lo que viene.
Por experiencia diría que cuando el propósito de medir es clasificar, lo que se optimiza es la posición individual. Y cuando lo que se optimiza es la posición individual, la diversidad de formas de pensar no se aprecia, el aprendizaje y la colaboración se convierten en accesorio del proceso. Creo que el propósito de medir cambió y cambiará de forma acelerada conforme la adopción de tecnología sea más agresiva dentro de las funciones diarias. Si lo que necesitamos es aprender -saber dónde están las brechas, qué capacidades faltan, cómo se desarrolla la gente, cómo se aprovecha o se desperdicia lo que cada quien trae-, entonces los instrumentos actuales están midiendo lo que no importa.
Se puede tomar este momento como sacudida y llamada de atención para plantear, como, porque y para que sostener rutinas de trabajo, que tareas son más eficientes desde la persona colaborando con personas, cuales acciones son más productivas si las ejecutan sistemas a los que se integran personas con experiencia amplia, y cuales si se ejecutan desde sistemas, liberan mayor productividad y no solo ahorros en persona. Creo que ese es un nuevo escenario. mismo que deberíamos de abordar sin filtros. Es como la nueva contratación que no ha aprendido qué cosas no se cuestionan. Llega con ánimo de demostrar, de consolidar posición haciendo visible lo que los de adentro dejaron de ver. Esa energía se gasta rápido si las inercias culturales se imponen.
La IA tiene algo en común con el recién llegado: tampoco tiene filtro. No tiene sesgos políticos internos. No protege territorios. No se autocensura por presión social. Opera sobre la base de conocimiento conforme los interioriza. Fría y sin agenda. El binomio del talento + IA puede ser especialmente potente: la energía sin filtro del humano más la lectura sin sesgo del sistema, encontrando juntos lo que la organización establecida no ve porque está filtrada por sus propios paradigmas -las cosas que siempre se han hecho así, los procesos que nadie cuestiona, las ineficiencias que se normalizaron-.
Si mides para clasificar, el binomio no existe. Mides a la persona y punto. Si mides para aprender, lo que te interesa es cómo esa persona integra la herramienta en su diagnóstico, qué conexiones encuentra entre áreas que operaban sin hablarse, qué ve ahora que antes no podía ver. Diagnosticando, conectando, proponiendo; esas son las competencias del binomio que creo van a empezar a emerger. La IA es fría, no tiene sesgos políticos internos, no protege territorios, no se autocensura. Conforme interioriza los procesos, la base de conocimiento y el ecosistema de la organización, puede encontrar hallazgos y resolver de formas que la organización no concebía. El binomio de un talento potenciado con IA es la energía sin filtro del humano más la lectura sin sesgo del sistema.
Pero la IA también puede erosionar una intensión de diversidad del pensamiento. Si una organización entrena un solo modelo corporativo con las mejores prácticas del año pasado y dirige a todos sus equipos desde ahí, lo que produce es convergencia hacia un modelo de operación específico. El silo de pensamiento no se rompe y se refuerza con mayor eficiencia. Si en cambio usa agentes con personalidades distintas, alimentados con bases de conocimiento diversas, operando sobre diagnósticos de áreas diferentes, lo que puede producir es que los silos se reconecten de formas que la organización por sí sola nunca descubriría.
La diferencia está en dónde colocas a la IA. En el proceso, optimiza lo que existe. En el diagnóstico, hace visible lo que la organización habría podido descubrir. Y si evalúas al binomio y no solo a la persona, lo que privilegias es el aprendizaje: qué alcanzaste integrando los recursos disponibles, qué brechas descubriste, qué propusiste y como lo haces viable.
Muchas organizaciones están tomando decisiones sobre talento basadas en lo que creen que la IA va a hacer -recortando personal, frenando contrataciones, anticipando eficiencias que aún no se materializan-. Y lo que aún no vemos, agentes colaborando con agentes tomando decisiones que hoy pasan por equipos completos, es donde quizá estemos subestimando lo que viene. Habrá que ver si cuando ese momento nos alcance, las organizaciones ya habrán introducido nuevos modelos de evaluación que destaquen como el aprendizaje se conecta y toma formas desde persona potenciada por los sistemas.
#Talento #Cultura #IA #Desempeño #HR
