Si un agente de IA ejecuta parte del trabajo, ¿qué evalúa RR.HH. de la persona?

La forma más común de usar la IA es también la más sencilla. Alguien escribe un pedido, el modelo da una respuesta y esa persona decide qué hacer con ella. El trabajo sigue dependiendo de quien pregunta.

Un agente funciona de otra manera. Se conecta a los sistemas donde está la información, ejecuta varios pasos por su cuenta y entrega un trabajo terminado. Quien lo pone a funcionar define el objetivo y revisa el resultado final, sin mirar cada paso intermedio.

Estos agentes ya existen en el mercado de RR.HH. LinkedIn lanzó el suyo para reclutamiento en octubre de 2024, y desde entonces los principales proveedores de sistemas de gestión de personas hicieron lo mismo.

Por poner un ejemplo de cómo funciona esto en la práctica, un agente recibe las respuestas abiertas de una encuesta de clima, las clasifica por tema, las cruza con la dotación de cada área y entrega un informe con las tres prioridades detectadas. Nadie tiene que leer los comentarios uno por uno ni construir las categorías manualmente.

Dos analistas de Gestión Humana trabajan de esa forma, cada uno con la encuesta de su unidad de negocio. Los dos entregan un informe con tres prioridades bien elegidas.

Antes de entregarlo, uno de los analistas vuelve a leer algunos comentarios originales. Ahí se da cuenta de que las quejas sobre un jefe en particular quedaron mezcladas en un tema general de comunicación. Las tres prioridades de su informe siguen siendo las correctas, y ninguna de las tres deja ver ese problema. El otro analista acepta la clasificación tal como la recibe.

Los dos informes parecen de la misma calidad, y cualquier evaluación que mire el resultado va a puntuarlos de la misma manera.

Un mejor entregable ya no garantiza una mejor decisión

Hay un experimento que ayuda a entender por qué. En 2023, Boston Consulting Group puso a 758 de sus consultores a resolver tareas reales de su trabajo, a unos con acceso a GPT-4 y a otros sin ninguna herramienta de IA. El diseño y el análisis los hizo un equipo de Harvard Business School con investigadores de otras cuatro instituciones, y el estudio se publicó en 2025 en Organization Science.

Parte de los participantes recibió un caso de negocio que se eligió porque el modelo no lo resolvía bien. Para acertar había que cruzar los números de una hoja de cálculo con entrevistas a personas de la empresa, y el modelo pasaba por alto lo que ahí se decía.

Ese caso arrojó dos resultados que van en direcciones contrarias. Entre quienes usaron IA, la proporción que dio la recomendación correcta fue 19 puntos porcentuales menor que en el grupo sin IA. Al mismo tiempo, los informes de ese grupo tuvieron mejores puntajes de calidad. Esos puntajes medían qué tan bien estaba armado el trabajo, sin importar si la conclusión era la correcta. La mejora se vio incluso en quienes se equivocaron.

Conviene marcar un límite del experimento. Los participantes usaron el modelo como asistente y ninguno le encargó el trabajo a un agente. Si ya es difícil saber cuánto aportó la persona en ese escenario, con un agente de por medio lo es todavía más.

La capacidad de la persona sigue ahí, aunque el producto final no la muestre tanto

El mismo estudio midió otra cosa. Entre quienes usaron IA, la mitad con menor desempeño previo mejoró un 43% respecto de su propio nivel. La mitad con mayor desempeño mejoró un 17%.

Los participantes que empezaron en niveles distintos terminaron más cerca entre sí al trabajar con IA, aunque la diferencia no desapareció del todo.

Como cada persona se compara con su propio nivel anterior, parte de esa diferencia puede deberse a que quienes partían de un nivel más bajo tenían más margen para mejorar.

Dos soluciones rápidas que tampoco funcionan

Hay dos señales que parecen resolver el problema, y las dos llevan a conclusiones equivocadas.

La primera es pensar que quien mejor maneja la herramienta también decide mejor con ella. A una parte de los participantes se le dio antes de empezar una guía de prompting, es decir, de cómo formularle los pedidos al modelo. Ese grupo tuvo mejor calidad en las tareas donde el modelo funcionaba bien. En el caso que excedía su capacidad, su porcentaje de aciertos bajó más que el del grupo sin guía. Saber obtener mejores respuestas del agente y saber cuándo desconfiar de ellas son dos cosas distintas.

La segunda señal es cuánto cambió cada persona el texto que hizo el modelo. Los autores lo midieron y encontraron que conservar más contenido se asociaba con mejores puntajes. Ellos mismos advierten que esto puede significar lo contrario de lo que parece, porque alguien que fue ajustando el pedido hasta obtener una buena respuesta tiene después poco que corregir. Penalizar a alguien por usar IA porque no hizo el trabajo por sí mismo se apoya en esa misma señal.

Los dos hallazgos vienen de grupos distintos de participantes. Aun así, ninguna de las dos señales sirve para saber cuánto criterio aportó la persona.

Evaluar a la persona requiere separar tres preguntas

El estudio llega hasta ahí. Lo que sigue es una consecuencia de aceptarlo.

El problema aparece cuando el mismo entregable se usa para responder tres preguntas distintas que ya no tienen la misma respuesta.

¿El trabajo salió bien? Es una pregunta sobre el resultado del trabajo que hicieron la persona y el agente. El entregable sirve para responderla y sigue siendo la prueba adecuada.

¿Qué sabe hacer esta persona? Aquí hace falta más evidencia, como observarla en una situación donde el agente no participe o donde se sepa de antemano hasta dónde llegó su ayuda.

¿Con qué criterio decide cuándo aceptar y cuándo revisar lo que el agente hace? Esto se recoge revisando con el jefe decisiones concretas que la persona tomó, cuáles resultaron buenas y cuáles no.

La tercera pregunta depende de la segunda. El analista del ejemplo notó el problema porque conocía las áreas y sabía qué buscar cuando volvió a los comentarios. Los dos entregan informes equivalentes, y solo uno sabe que hay algo que el suyo no muestra.

Conclusiones

El entregable cumplía dos funciones al mismo tiempo. Era el producto del trabajo y también la prueba de lo que la persona había aportado. Estuvieron unidas durante décadas y nadie tuvo que separarlas, porque no hacía falta.

El agente de IA las separó, y lo hizo de forma imperceptible. El informe sigue llegando completo y bien estructurado, de modo que nada indica que dejó de decir quién lo hizo.

Ese riesgo va a crecer a medida que el trabajo entre personas y agentes se vuelva más común. Si alguien no domina el tema, los trabajos de dos personas con capacidades muy distintas parecen del mismo nivel. Los problemas del trabajo de menor calidad siguen ahí, solo que son poco visibles y se necesita conocer bien esa materia para verlos. Un jefe no conoce a fondo todas las materias que supervisa. Puede advertir el problema en el área que domina y no en las demás, así que la detección se vuelve menos confiable cuanto más se extiende por puestos, áreas y toda la organización.

Conviene definir de dónde provendrá esa evidencia mientras la diferencia todavía se pueda notar.