Nuevas competencias profesionales en la era de la IA

La base para trabajar con IA en evaluación del desempeño es comprender qué significan los datos, cómo se generan y qué limitaciones tienen. Esta competencia permite evitar decisiones basadas en indicadores mal definidos o comparaciones inadecuadas entre equipos, funciones o periodos.

Implica, como mínimo, ser capaz de:

• Interpretar métricas habituales de desempeño en su contexto (ciclo, función, estacionalidad, cambios organizativos).
• Distinguir correlación de causalidad cuando se presentan relaciones entre variables (por ejemplo, entre formación y resultados).
• Identificar señales de baja calidad del dato (incompletitud, duplicidades, escalas inconsistentes, sesgos de registro).
• Formular preguntas evaluativas correctas antes de solicitar análisis (qué se quiere saber, para qué decisión, con qué nivel de confianza).

La IA aporta valor cuando se utiliza con instrucciones claras, criterios de salida definidos y verificación posterior. Esta competencia no se reduce a escribir solicitudes: incluye diseñar la interacción para obtener resultados consistentes y utilizables en procesos de evaluación.

En la práctica, supone dominar tres capacidades operativas:

• Delimitación: especificar propósito, audiencia interna, ventana temporal, fuentes permitidas y formato de salida (por ejemplo, matriz de competencias, redacción neutra, nivel de evidencia).
• Control de interpretación: pedir que la IA separe hechos, inferencias y supuestos, y que explicite criterios de clasificación cuando agrupa información.
• Verificación: comprobar coherencia interna, trazabilidad a evidencias disponibles y alineación con el marco de evaluación vigente (sin convertir la salida en un dictamen automático).

Esta competencia es especialmente relevante para equipos de RRHH y HR Tech que necesiten estandarizar cómo se solicita apoyo a la IA para que el resultado sea comparable entre áreas y ciclos.

En evaluación del desempeño, el riesgo principal no es solo el error técnico, sino la aceptación acrítica de recomendaciones por su apariencia de objetividad. Esta competencia consiste en sostener un juicio profesional basado en evidencia y en límites claros de uso.

Se manifiesta cuando se sabe:

• Valorar si una salida es accionable (permite decidir o solo describe) y si es apropiada para el tipo de decisión (desarrollo, compensación, movilidad, etc.).
• Detectar señales de baja fiabilidad (excesiva generalidad, falta de criterios, conclusiones sin base o sin posibilidad de contraste).
• Identificar variables de contexto no consideradas (cambios de rol recientes, reorganizaciones, variaciones de carga, proyectos no comparables).
• Solicitar aclaraciones o reformulaciones cuando la salida no respeta el marco de desempeño (competencias, niveles, evidencias requeridas, lenguaje esperado).

En equipos de dirección y consultoría, esta competencia se traduce en capacidad para establecer umbrales de uso: cuándo la IA apoya y cuándo no aporta valor suficiente para intervenir en una decisión.

La adopción de IA exige convertir intenciones (por ejemplo, evaluar de forma más consistente) en procesos concretos: responsables, pasos, entradas, salidas, controles y evidencias. Esta competencia es clave para que la IA se integre sin generar fricción, duplicidades o zonas grises de responsabilidad.

Incluye, por ejemplo:

• Definir puntos de intervención de la IA en el ciclo (preparación, consolidación, calibración, comunicación de resultados, planes de desarrollo).
• Especificar reglas de negocio y criterios de interpretación (qué se considera evidencia suficiente, qué categorías se usan, qué excepciones existen).
• Diseñar controles operativos (revisión por pares, muestreo de casos, registro de cambios, trazabilidad de ajustes).
• Asegurar coherencia con sistemas existentes (HRIS, plataformas de desempeño, L&D, gestión por objetivos) para reducir tareas manuales y errores por integración deficiente.

Para perfiles de HR Tech, esta competencia se vincula a la capacidad de traducir necesidades de RRHH a especificaciones funcionales y a configuraciones mantenibles.

La IA cambia expectativas internas: sobre tiempos de respuesta, nivel de detalle, comparabilidad entre áreas y transparencia del proceso. Esta competencia permite comunicar de forma clara qué hace la IA, qué no hace y cómo se utiliza dentro del sistema de desempeño, reduciendo resistencias y malentendidos.

Se concreta en dos frentes complementarios:

• Comunicación profesional: explicar criterios, limitaciones y formas de uso con lenguaje comprensible para perfiles no técnicos; adaptar mensajes para dirección, mandos y personas evaluadas; y mantener consistencia narrativa durante el ciclo.
• Aprendizaje continuo: actualizar habilidades a medida que evolucionan herramientas y prácticas; documentar lecciones aprendidas; y transformar incidencias recurrentes en mejoras del proceso (por ejemplo, ajustes de plantillas, glosarios, guías internas de uso).

Esta competencia resulta especialmente relevante en formación y desarrollo de talento, ya que permite convertir la adopción de IA en una capacidad organizativa estable, y no en un conjunto de acciones aisladas.