El talento humano exige otra tecnología

Hemos aprendido a recopilar millones de datos sobre las personas. El verdadero desafío comienza ahora: comprender lo que significan sin permitir que la tecnología decida quiénes somos¹.

Durante décadas construimos tecnología para saber más sobre las personas.

Guardamos sus estudios, experiencias, cargos, evaluaciones, competencias, entrevistas, movimientos laborales y resultados. Primero fueron expedientes en archivadores. Después llegaron las hojas de cálculo. Más tarde, enormes bases de datos capaces de seguir prácticamente cada paso de una trayectoria profesional.

Digitalizamos el talento.

Y funcionó.

Hoy una organización puede conocer en segundos información que hace apenas unas décadas habría requerido días de búsqueda entre carpetas y documentos. Podemos publicar una vacante y recibir cientos de candidaturas en pocas horas. Podemos cruzar experiencias, estudios, habilidades y resultados con una velocidad que habría parecido imposible no hace tanto tiempo.

Pero mientras construíamos sistemas cada vez mejores para almacenar información, dejamos pendiente una pregunta mucho más difícil:

¿Saber más sobre una persona significa comprenderla mejor?

Creo que no.

Y posiblemente allí inicia el próximo gran cambio en la manera de pensar la tecnología para el talento humano.

El dato nunca cuenta toda la historia

Imaginemos dos currículos sobre una mesa.

Los dos candidatos tienen una formación parecida. Ambos acumulan diez años de experiencia. Han ocupado cargos similares y conocen las herramientas que exige la posición.

Sobre el papel podrían parecer prácticamente iguales.

Pero sabemos que no lo son.

Uno pudo haber repetido durante diez años las mismas funciones. El otro quizá atravesó una crisis, participó en la transformación de una empresa, dirigió equipos diferentes, cometió errores, aprendió de ellos y tuvo que comenzar nuevamente.

Los dos currículos pueden decir: diez años de experiencia.

Pero detrás de esas cuatro palabras existen dos historias completamente diferentes.
Ese es uno de los grandes problemas que encontramos cuando intentamos convertir la realidad humana en datos.
Los datos son necesarios. Nos ayudan a ordenar el mundo. El problema aparece cuando comenzamos a tratarlos como si fueran el mundo.

Una persona nunca cabe completamente en una hoja de vida.

De los archivadores a la inteligencia artificial

La tecnología aplicada a los recursos humanos ha recorrido un camino extraordinario.

Primero necesitábamos administrar.
Registrar empleados, guardar currículos, controlar procesos, gestionar nóminas, organizar entrevistas y sustituir montañas de documentos físicos.
Después quisimos medir.
Aparecieron indicadores sobre contratación, desempeño, rotación, productividad, ausentismo y prácticamente cualquier variable que pudiera convertirse en una cifra.

Ahora queremos interpretar.

La inteligencia artificial puede leer miles de documentos, identificar coincidencias, resumir experiencias, detectar patrones y relacionar información que ningún equipo humano podría procesar con la misma velocidad.

Es fascinante.

También es peligroso si confundimos capacidad de procesamiento con capacidad de comprensión.

Una máquina puede encontrar cincuenta coincidencias entre una persona y una vacante. Puede detectar determinadas palabras, certificaciones, experiencias y competencias.

Incluso puede generar una recomendación.

Pero entonces deberíamos hacerle una pregunta que pocas veces hacemos:

¿Por qué?
¿Por qué considera relevante esa experiencia?
¿Qué evidencia respalda esa conclusión?
¿Qué información le falta?
¿Qué parte de la respuesta procede de hechos y cuál es una inferencia?

Y quizá la pregunta más importante de todas:

¿Qué no sabe?

Aprender a decir «no lo sé»

Mientras he trabajado alrededor de tecnología, organizaciones y talento humano, una idea ha ido adquiriendo para mí una importancia especial: los sistemas del futuro deberán aprender a reconocer aquello que desconocen.

Parece una contradicción.

Durante años hemos diseñado máquinas para obtener respuestas. Ahora conversamos con sistemas de inteligencia artificial y esperamos que respondan prácticamente cualquier pregunta.

Pero hay momentos en los que la respuesta más inteligente podría ser:

No tengo suficiente evidencia.

En el mundo del talento humano, esa frase tiene un enorme valor.

No sabemos todo sobre una persona solo porque tenemos su currículo.
No conocemos completamente sus capacidades porque no se ha realizado una evaluación. No podemos determinar su futuro porque conocemos su pasado. Y no deberíamos transformar una probabilidad estadística en una certeza humana. La incertidumbre no siempre es una falla del sistema.

A veces es simplemente la descripción más honesta de la realidad.

Las personas somos contexto

He conocido personas cuya trayectoria profesional, vista únicamente sobre el papel, parecía difícil de explicar.

Cambios de país. Periodos sin empleo. Profesiones abandonadas. Nuevos comienzos. Empresas que desaparecieron. Estudios que nunca terminaron. Experiencias extraordinarias que jamás recibieron un certificado.

¿Dónde colocamos todo eso en una base de datos?

Una persona puede haber aprendido más intentando salvar una empresa durante seis meses que durante varios años ocupando un cargo estable.

Otra puede haber desarrollado capacidad de liderazgo cuidando un proyecto pequeño, lejos de cualquier gran corporación.

Alguien puede tener una formación extraordinaria y no haber encontrado todavía la oportunidad de demostrarla.

La vida profesional rara vez avanza en línea recta.

Sin embargo, durante mucho tiempo hemos construido sistemas que intentan convertirla precisamente en eso: una secuencia ordenada de cargos, fechas, estudios y competencias.

Tal vez necesitamos comenzar a mirar el talento de otra manera.

No para abandonar los datos, sino para darles contexto.

Comprender antes de decidir

Aquí aparece, en mi opinión, una de las discusiones fundamentales sobre inteligencia artificial.

Estamos obsesionados con automatizar.

¿Cuánto podemos automatizar?
¿Cuántas tareas puede asumir una máquina?
¿Cuánto tiempo podemos ahorrar?
¿Cuántas decisiones puede acelerar un algoritmo?

Son preguntas importantes. Pero cuando hablamos de personas deberíamos añadir otra:

¿Cuánto podemos comprender antes de decidir?

No es lo mismo.

Automatizar busca que la tecnología haga algo que antes hacía una persona.

Comprender busca que la tecnología permita a esa persona ver algo que antes no podía ver.

La diferencia es enorme.

Un sistema podría organizar información dispersa, mostrar evidencias, encontrar relaciones, señalar contradicciones, recuperar antecedentes y advertir que determinados elementos todavía necesitan ser comprobados.

Eso no disminuye el papel humano.

Lo fortalece.

La tecnología deja entonces de ocupar la silla de quien decide y comienza a iluminar la mesa sobre la que se toma la decisión.

Cuando una máquina parece estar demasiado segura

Hay algo que siempre me inquieta de determinados sistemas tecnológicos: la seguridad con la que presentan sus conclusiones.

Una cifra precisa produce confianza. Un porcentaje parece científico. Un gráfico perfectamente construido transmite autoridad.

Un algoritmo que afirma que alguien tiene un 87% de compatibilidad con determinada posición puede parecernos extraordinariamente objetivo.

Pero ¿qué significa realmente ese 87%?

¿Qué información fue utilizada?
¿Qué información estaba ausente?
¿Qué peso tuvo cada elemento?
¿Qué habría ocurrido si la trayectoria de esa persona hubiera sido descrita de otra manera?

La precisión matemática no elimina la incertidumbre humana.

A veces solamente la esconde detrás de un número.

Por eso creo que las tecnologías relacionadas con personas deberán ser cada vez más explicables.

No basta con producir una conclusión.

Tenemos que poder recorrer el camino que condujo hasta ella.

Dato, evidencia, contexto

Durante el desarrollo de tecnologías avanzadas para comprender el talento, me encontré repetidamente con una distinción que terminó cambiando mi propia manera de pensar el problema.

Un dato no siempre es evidencia.
Y una evidencia no siempre permite llegar a una conclusión.
Que una persona declare una competencia constituye información.
Que exista una experiencia donde esa competencia haya sido utilizada aporta evidencia.
Que podamos comprender en qué circunstancias se utilizó añade contexto.

Y solamente después podemos comenzar a interpretar.

Dato. Evidencia. Contexto. Interpretación.

Entre cada uno de esos niveles existe una distancia que la tecnología no debería ocultar.

Porque cuando los mezclamos, una inferencia puede terminar presentada como un hecho.

Y cuando hablamos del futuro profesional de una persona, esa diferencia importa.

Mucho.

Una tecnología que acompañe, no que sentencie

Quizá hemos imaginado equivocadamente el futuro.

Durante años, las películas y buena parte de la literatura tecnológica nos acostumbraron a pensar que una inteligencia artificial avanzada sería aquella capaz de decidir por nosotros.

No estoy convencido.

Tal vez una tecnología verdaderamente avanzada sea precisamente aquella que comprenda hasta dónde debe llegar.

Una tecnología capaz de decir: esto es lo que sabemos.

Esto es lo que podemos demostrar.
Esto es lo que podemos interpretar razonablemente.

Y esto todavía necesita ser preguntado a una persona.

Esa última parte me parece fundamental.

Porque ninguna arquitectura tecnológica debería convertir una trayectoria humana en una sentencia algorítmica.

Puede ayudarnos a observar.
Puede ayudarnos a relacionar.
Puede incluso ayudarnos a descubrir.

Pero debemos conservar un espacio donde la persona pueda explicar aquello que los datos no consiguieron contar.

El currículo como una fotografía

Siempre he pensado que un currículo se parece a una fotografía.

Captura un momento. Podemos observarlo detenidamente y descubrir muchísimas cosas. Pero fuera del encuadre sigue existiendo un mundo que la imagen no muestra. El problema aparece cuando confundimos la fotografía con la vida completa. Las plataformas de talento han trabajado durante décadas con fotografías.

Quizá la próxima generación tenga que aprender a reconstruir, con prudencia, la película.

¿Cómo evolucionaron determinadas capacidades? ¿Qué experiencias produjeron conocimiento? ¿Qué información puede comprobarse? ¿Qué cambió con el tiempo? ¿Qué permanece desconocido?

No para fabricar una historia que no existe, sino precisamente para evitar hacerlo.

Comprender mejor significa también saber dónde termina la evidencia.

Volver a colocar a la persona en el centro

Puede parecer extraño hablar de volver a colocar a la persona en el centro precisamente cuando vivimos la mayor expansión tecnológica de nuestra historia.

Pero creo que ese será uno de los grandes desafíos de los próximos años.

Cuanto más poderosa sea la inteligencia artificial, más importantes serán los límites que construyamos alrededor de ella.

No para frenar la innovación.

Para hacerla útil.

La tecnología puede ayudarnos a descubrir capacidades que permanecían invisibles. Puede permitir que una organización comprenda mejor su propio talento.

Puede encontrar relaciones que ningún analista habría identificado manualmente y convertir enormes cantidades de información en conocimiento comprensible.

Pero existe una frontera que no deberíamos cruzar sin preguntarnos primero qué estamos haciendo.

Una persona no es un score.
No es un porcentaje de compatibilidad.
No es una recomendación automática.
Es una historia todavía en construcción.

Cambiar la pregunta

Cada gran transformación comienza cuando descubrimos que la pregunta que veníamos haciendo ya no alcanza.

Durante décadas preguntamos:

¿Cómo podemos administrar mejor la información de las personas?

Después comenzamos a preguntar:

¿Cómo podemos analizarla?

Ahora tenemos la oportunidad de formular una pregunta mucho más interesante:

¿Cómo podemos comprender mejor a las personas sin permitir que la tecnología termine definiéndolas?

No tengo una respuesta definitiva.

Y quizá eso sea precisamente lo importante.

Estamos entrando en un territorio nuevo donde necesitaremos mejores algoritmos, mejores arquitecturas y mejores herramientas, pero también prudencia, gobernanza y una enorme capacidad para reconocer los límites de aquello que creemos saber.

Después de décadas aprendiendo a almacenar información sobre las personas, el próximo salto tecnológico podría no consistir en acumular todavía más.

Podría consistir en algo aparentemente más sencillo y, al mismo tiempo, mucho más difícil: