IA y talento interno: cómo las empresas evalúan habilidades

Mientras esa información siga dispersa, una empresa puede empezar a buscar fuera y gastar en el proceso sin saber aún si la capacidad que necesita ya existe entre sus propios empleados.

En contratación, la IA ya se utiliza para filtrar, puntuar y ordenar candidatos antes de que una empresa decida a quién incorporar. En República Dominicana, TalenTrack ofrece una plataforma que combina psicometría e IA para evaluar candidatos en procesos de contratación.

En Brasil, Premia quiere llevar ese análisis a otro momento de la relación laboral. Tras adquirir Aulapp, anunció su expansión hacia la educación corporativa y planteó aplicar su tecnología de diagnóstico del aprendizaje a habilidades técnicas y conductuales en las empresas. El anuncio no documenta que esa tecnología intervenga hoy en las decisiones de movilidad, promoción o desempeño.

TalenTrack evalúa al candidato antes de incorporarlo. Premia, en cambio, quiere llevar el diagnóstico a quienes ya están dentro. Por lo tanto, para una empresa, las preguntas de evaluación y análisis ahora son:

¿Qué capacidades realmente tiene entre las personas por las que ya está pagando?
¿En cuánto puede confiar en la tecnología para encontrarlas?

¿Cuánto cuesta buscar fuera antes de saber qué puede encontrarse dentro?

El benchmark de contratación de SHRM, un informe comparativo sobre costos y métricas de reclutamiento, estima que cubrir un puesto no ejecutivo cuesta, en promedio, US$5,475 en Estados Unidos; en posiciones ejecutivas, US$35,879. Solo el 20% de las organizaciones, sin embargo, mide la calidad de la contratación. Las empresas suelen tener bastante claro cuánto les cuesta incorporar a alguien; medir la calidad de esa contratación es mucho menos habitual.

Gráfica sobre el costo de contratación externa y la movilidad de talento dentro de las empresas. — El costo de contratar talento puede alcanzar US$5,475 para un puesto no ejecutivo y US$35,879 para uno ejecutivo en Estados Unidos, según SHRM. El World Economic Forum estima, además, que 19 de cada 100 trabajadores necesitarán nuevas habilidades y movilidad interna hacia 2030. Ilustración: Ana Sosa para Mercado.

Las empresas tampoco cubren todas sus necesidades contratando personal nuevo. El Future of Jobs Report 2025, un informe global del World Economic Forum que recoge las expectativas de los empleadores sobre la evolución del empleo y de las habilidades, estima que 19 de cada 100 trabajadores deberán adquirir nuevas competencias y pasar a otras funciones dentro de sus propias organizaciones hacia 2030. Es una previsión de los empleadores, no un resultado ya observado. Por tanto, parte de las capacidades que necesitarán esperan desarrollarlas entre personas que ya forman parte de su plantilla.

Preparar a alguien para otra función también cuesta. Puede exigir formación, una remuneración distinta y un periodo de adaptación. Si el puesto que deja sigue siendo necesario, habrá que cubrirlo. Los US$5,475 de SHRM no pueden convertirse en un supuesto ahorro cada vez que alguien se mueve internamente; una vacante puede desaparecer en un departamento y reaparecer en otro.

Antes de asumir el costo de una búsqueda externa, una compañía tiene varias formas de satisfacer una necesidad. Puede contratar, formar, mover a alguien o combinar esas opciones. Compararlas resulta más difícil cuando las capacidades repartidas entre la plantilla se conocen peor que las vacantes abiertas y los candidatos que llegan desde fuera.

En una organización con miles de empleados, ninguna persona mantiene ese inventario por sí sola. Saber que existe talento dentro no resuelve cómo encontrarlo cuando una unidad lo necesita.

¿Qué ocurre cuando una empresa puede buscar habilidades y no solo cargos?

En Schneider Electric, Open Talent Market funciona como un mercado interno de talento que conecta las habilidades y la experiencia de los empleados con vacantes, proyectos y oportunidades de mentoría dentro de la propia compañía. Al cierre de 2024, Schneider reportó que más del 95% de su plantilla estaba incorporada a la plataforma; ese año, los empleados tuvieron visibilidad sobre más de 15,000 posiciones abiertas y miles de oportunidades de mentoría y proyectos internos.

Con una herramienta así, la búsqueda deja de depender únicamente de las personas que un manager conoce, de quienes trabajan en su misma área o de los títulos que figuran en el organigrama. Una vacante o un proyecto puede empezar a cruzar perfiles con otros de otras partes de la empresa que, de otro modo, quizá no habrían entrado en esa búsqueda.

People Skills es una función de Microsoft 365 Copilot que intenta construir un perfil de habilidades a partir de la actividad que una persona ya realiza en el trabajo. El sistema puede tomar señales de documentos, correos, chats y reuniones y asociarlas con determinadas capacidades, aunque el empleado nunca las haya escrito en un formulario ni en su perfil profesional. Microsoft aclara que esas habilidades inferidas no deben leerse como un inventario completo de lo que una persona sabe hacer.

SAP utiliza una lógica similar en sus herramientas de gestión del talento. Su sistema de recomendaciones de habilidades asistidas por IA, integrado en SAP SuccessFactors, utiliza información procedente de aplicaciones como Continuous Performance Management para sugerir capacidades que podrían formar parte del perfil del empleado. Algunas aparecen inicialmente como inferidas y el trabajador puede revisar, añadir o rechazar recomendaciones en su Growth Portfolio. El perfil que la empresa termina por ver, por tanto, no se construye únicamente con lo que la persona declara sobre sí misma, sino también con señales que el sistema interpreta a partir de su actividad.

Cuando toda esa información aparece reunida en un mismo perfil, la forma en que se obtuvo cada dato puede pasar a segundo plano. Una experiencia escrita por el trabajador, una habilidad comprobada en una evaluación y una capacidad sugerida por un modelo pueden terminar presentadas una junto a la otra. Para quien utiliza ese perfil para buscar talento, sin embargo, no ofrece la misma evidencia de lo que una persona realmente sabe hacer.

¿Qué pasa cuando el mismo mapa llama “habilidad” a cosas que no puede medir de la misma manera?

El score de TalenTrack reúne en una sola puntuación datos del currículo, de la entrevista por competencias, de la personalidad Big Five, de la capacidad cognitiva y de algunas métricas de comunicación. La plataforma presenta esta evaluación multidimensional de candidatos como una herramienta para anticipar el desempeño. En la revisión de fuentes realizada para este artículo no se encontró una validación predictiva independiente en República Dominicana que permita comprobar cuánto aporta cada componente a la hora de anticipar el desempeño laboral.

Ilustración sobre las capacidades que la inteligencia artificial puede observar, interpretar o inferir al evaluar a un trabajador. — La inteligencia artificial aplicada a la evaluación del talento puede reunir conocimientos, habilidades técnicas, experiencia, comunicación, personalidad o potencial en un mismo perfil. La evidencia que respalda cada una de esas señales, sin embargo, no tiene el mismo grado de solidez. Ilustración: Ana Sosa para Mercado.

Y no todos esos componentes dicen lo mismo sobre una persona. Si alguien resuelve correctamente un ejercicio técnico, hay evidencia bastante concreta de lo que pudo hacer frente a esa tarea. Las pruebas de conocimiento, las muestras de trabajo y algunos instrumentos cognitivos tienen, además, una larga trayectoria de investigación. Con liderazgo, colaboración o potencial, la medición es menos directa. El sistema tiene que aproximarse a esos atributos a partir de respuestas, del lenguaje o de comportamientos.

Un estudio publicado en IEEE Transactions on Affective Computing aporta evidencia de dicha diferencia. Los investigadores analizaron las respuestas de 685 participantes en entrevistas asincrónicas simuladas y compararon las evaluaciones de GPT-3.5 y GPT-4 con las de un modelo desarrollado específicamente para esa tarea y de evaluadores humanos. Los modelos de lenguaje obtuvieron resultados competitivos al estimar algunos rasgos de personalidad, especialmente la extraversión.

Pero cuando se les pidió anticipar las cuatro competencias calificadas por los reclutadores y el desempeño general en la entrevista, todos los R² resultaron inferiores a cero. Para esas variables y en ese experimento, las predicciones funcionaron peor que tomar como referencia un valor cercano al promedio. El estudio no permite concluir que la IA falle en ninguna evaluación de talento. Lo que sí hace es establecer un límite bastante concreto a lo que se puede afirmar sobre esos modelos al intentar pasar de ciertos rasgos de personalidad a competencias laborales.

Los métodos tradicionales tampoco ofrecen una referencia perfecta. Paul Sackett y otros investigadores revisaron estimaciones utilizadas durante décadas en la selección de personal y situaron la validez media de las entrevistas estructuradas en 0.42, con resultados que varían según el contexto. También el juicio humano se equivoca al intentar anticipar cómo rendirá alguien después de ser contratado.

La diferencia empieza a importar cuando esas mediciones inciden en decisiones concretas. Saber que una persona domina una herramienta determinada puede bastar para incluirla entre quienes podrían asumir un proyecto. Una puntuación de “potencial de liderazgo” requiere un respaldo mucho mayor para influir en quién recibe una oportunidad y quién queda fuera. En la misma pantalla, ambas pueden parecer igualmente precisas. La evidencia que hay detrás no necesariamente lo es.

¿Cuándo un mapa de talento deja de orientar y empieza a repartir oportunidades?

Una persona puede quedar fuera de una oportunidad antes de que un manager haya decidido algo sobre ella. Si el sistema no la incorpora al grupo inicial, la empresa conserva la decisión final, pero ya ha reducido el número de personas consideradas.

El manager, el trabajador y el sistema no siempre disponen de la misma información. El primero puede haber observado desempeño que nunca quedó registrado; el segundo, experiencia que su cargo no refleja. El sistema puede relacionar datos que nadie había conectado y también producir una valoración discutible.

“Trabajó tres años en análisis financiero” puede contrastarse con un historial laboral. “Tiene bajo potencial de liderazgo” puede basarse en datos correctos y, aun así, seguir siendo una interpretación. Si esa valoración pesa en una movilidad o en el acceso a la formación, alguien dentro de la empresa tendrá que decidir cuánto confiar en ella y quién está en condiciones de cuestionarla.

Ilustración sobre cómo un sistema de IA puede ordenar perfiles antes de que una empresa considere trabajadores para formación, proyectos o vacantes. — La IA aplicada a la gestión del talento puede ordenar y recomendar perfiles antes de que un manager decida a quién considerar para una vacante, un proyecto o una oportunidad de formación. La calidad de las inferencias importa porque el filtro inicial puede influir en quién accede a la búsqueda y quién queda fuera. Ilustración: Ana Sosa para Mercado.

Una recomendación imprecisa, utilizada para ampliar una búsqueda, quizá solo haga perder tiempo revisando un perfil que finalmente no encaja. Si empieza a reducir quién entra en ella, puede dejar fuera a alguien adecuado o empujar a la compañía a seguir buscando fuera.

El AI Act europeo clasifica como de alto riesgo determinados sistemas utilizados en contratación, promoción, asignación de tareas y evaluación laboral y exige supervisión humana; para los sistemas del Anexo III, esas obligaciones fueron aplazadas al 2 de diciembre de 2027. El artículo 22 del GDPR establece garantías para determinadas decisiones exclusivamente automatizadas. La presencia de un manager al final ofrece poco margen de revisión si recibe una lista ya ordenada y carece de información o de autoridad para apartarse de ella.

Brasil reconoce, en el artículo 20 de la LGPD, el derecho a solicitar la revisión de ciertas decisiones exclusivamente automatizadas, incluso sobre el perfil profesional, aunque no garantiza que la revise otra persona. En República Dominicana, la Ley 172-13 reconoce los derechos de acceso, rectificación, actualización y oposición; en la revisión realizada para este artículo, no localizamos una regla específica equivalente sobre la explicación algorítmica o la revisión humana de una inferencia laboral.

Una valoración creada para sugerir formación puede reaparecer más adelante en una vacante o en un proyecto. La información ya está allí para reutilizarla. Una interpretación débil que nunca fue revisada.

La investigación disponible no demuestra cuánto dinero ahorra una empresa al encontrar talento internamente ni que cada movimiento evite una contratación externa. Sí, muestra que estas herramientas están haciendo más buscable una mayor parte de la capacidad que ya existe en la nómina.

Una empresa conoce con mucha más precisión cuánto paga a sus trabajadores que todo lo que estos saben hacer. Convertir parte de esa diferencia en información utilizable abre opciones que antes podían quedar fuera de la búsqueda. Cuando ese mismo mapa empieza a decidir quién aparece una y otra vez, también importa cuánto de lo que muestra proviene de algo demostrado y cuánto sigue siendo una inferencia.

Suscríbete a la revista y regístrate a nuestros newsletters para recibir el mejor contenido en tu buzón de entrada.