Las organizaciones llevan años obsesionadas con identificar el talento. Sin embargo, siguen tropezando con una pregunta incómoda: ¿qué quieren decir exactamente con "talento"? En la práctica, lo que una persona ya demuestra hoy se confunde a menudo con lo que podría hacer mañana, dadas las condiciones adecuadas. Una cosa es el rendimiento que ya se ve y otra el potencial que aún no se ha aprovechado.
El caso de 30 personas invisibles
Para ilustrar esta diferencia, analizamos datos de 98 empleados de una empresa multinacional, recopilados durante el trabajo de consultoría. Se evaluó el desempeño, la movilidad funcional, la movilidad internacional, el nivel del idioma inglés y varias competencias clave.
Primero, se aplicó una lógica común: la predicción de la movilidad internacional mediante un modelo estadístico clásico. El resultado fue revelador. El nivel de inglés fue el único predictor estadísticamente significativo. Si nos quedáramos solos con esa lectura, se podría concluir que el talento internacional depende, sobre todo, del inglés. Es una conclusión cómoda, rápida y, precisamente por eso, peligrosa.
Cuando pasamos de esa lectura unidimensional al análisis de clusters multidimensional (en términos generales, una técnica de clasificación estadística basada en características similares), la fotografía cambió radicalmente y surgieron cuatro perfiles distintos:
Grupo en desarrollo (aporte local, competencias en construcción).
Talentos internacionales consolidados (alta movilidad, fluidez en inglés, experiencia global).
Movilidad percibida sin una base sólida (han viajado pero tienen habilidades medias).
Talento oculto con alto potencial. Ése es el hallazgo clave.
Este cuarto grupo estaba formado por 30 personas con un rendimiento medio de 4,12 sobre 5 y habilidades de 4,04, pero con baja movilidad internacional y un nivel de inglés insuficiente. Con una lectura simplificada del modelo lineal pasarían completamente desapercibidos. Con una lectura más rica, parecen ser una de las mejores apuestas de desarrollo para la organización.
La visibilidad no es preparación.
Esta es una de las lecciones más útiles para las empresas que a veces promocionan no a las que tienen mayor capacidad de contribuir en el futuro, sino a las que son más visibles hoy. La visibilidad no siempre equivale a preparación estratégica.
Un empleado puede parecer "internacional" porque ha tenido más exposición, más oportunidades o simplemente más exposición. Otro puede comportarse muy bien, mostrar habilidades sólidas y, sin embargo, pasar desapercibido porque aún no domina el idioma o no ha tenido la oportunidad de participar en proyectos globales.
La IA, bien utilizada, puede ayudar a detectar esa diferencia. Si se utiliza incorrectamente, puede convertirse en una nueva forma de ceguera automática.
Tres niveles de uso inteligente
La propuesta es aplicar la inteligencia artificial en el ámbito de los recursos humanos en tres niveles de mejora:
Descubra mejor: encuentre señales que antes se habían pasado por alto. No sólo clasificar a las personas en categorías obvias, sino identificar patrones ocultos que revelan un potencial sin explotar.
Decida mejor: no se limite a clasificar, sino que recomiende intervenciones adaptadas al perfil. En el primer caso, un grupo de alto potencial bloqueado por falta de habilidades lingüísticas o falta de exposición no debería ser excluido del proceso de internacionalización. En cambio, debería ingresar a itinerarios acelerados de inglés y mentorías globales, o integrarse en proyectos transversales que involucren diferentes áreas (marketing, finanzas, operaciones, recursos humanos).
Rediseñar el sistema: Esta es la intención más ambiciosa. Si una organización descubre que premia principalmente la movilidad visible en lugar de la capacidad real de contribuir en contextos complejos, entonces el problema ya no es individual. Es del sistema. La IA puede ayudar a descubrir estos sesgos sistémicos y rediseñar los criterios de talento.
Esto no es física cuántica (aunque algo similar)
Se emplean al mismo tiempo una "partícula" y una "onda". Partículas porque ocupan una determinada posición y dejan una huella visible del resultado. Luego porque también contienen un espacio de posibilidades futuras que depende del contexto, las oportunidades y la forma en que la organización los lee.
No hacemos física cuántica en recursos humanos, pero esta imagen ayuda a comprender algo importante: reducir a una persona a indicadores visibles es una forma muy sofisticada de simplificarlo, para peor. El potencial no es una propiedad fija e inmutable, sino un espacio contextual de posibilidades.
Explicabilidad o legitimidad perdida
Sin embargo, también existe el riesgo de que una IA opaca, injusta o mal explicada erosione la confianza y neutralice gran parte de sus beneficios.
Si los empleados ven que el sistema decide sobre ellos como una caja negra, la herramienta deja de ser útil y se convierte en un problema de legitimidad. Es por eso que se necesita supervisión humana, auditorías de sesgo y criterios transparentes para que un modelo de IA sea explicable (es decir, que sus decisiones y resultados sean comprensibles, transparentes y justificables). La cuestión no es sólo si el algoritmo es correcto, sino si la organización puede defender razonablemente por qué decide como lo hace.
De calculadora llamativa a perspicacia estratégica
El desafío no es utilizar más la IA en la gestión de recursos humanos: es dejar de usarla como una llamativa calculadora y empezar a integrarla como una capacidad estratégica para descubrir, desarrollar y transformar talento con más humanos y más IA, en ese orden.
La IA puede acelerar los negocios, pero su valor más interesante es ayudar a ver mejor el talento oculto, los caminos bloqueados, las falsas señales de preparación y las clasificaciones erróneas sistemáticas.
.webp)
0 Comentarios