Si por cada vez que he escuchado la palabra IA en el último año me dieran 1€, hoy tendría una bolsa de dinero nada despreciable. Está claro  que nuestro “amigo” Sam Altman ha grabado a fuego el concepto en el imaginario colectivo. El mundo se divide entre los que lo ven como una oportunidad de mejora y quienes lo consideran una amenaza para la supervivencia de la especie… No me atrevo a posicionarme, pero seguro que la respuesta está más hacia el centro, que en los extremos.

El caso es que los profesionales de la gestión de personas no íbamos a ser menos que el resto y no hay proyecto que se precie que no lleve esta etiqueta. Hoy pasa todo pasa por la IA, lo cual tiene cierto sentido, pero se nos olvida que para generar modelos de inteligencia artificial se necesitan datos, muchos datos. La pregunta es: ¿Tenemos esos datos? Seguro que la respuesta es rotunda: sí. Tenemos millones de datos sobre nuestros empleados, llevamos años acumulando información de todo tipo: calibraciones, sueldos, datos personales, entrevistas, desempeños,... Y cierto es. Pero la siguiente pregunta que me surge es: ¿Cuál es la calidad de estos datos?, ¿realmente me puedo fiar de ellos? Y aquí es donde la viabilidad de la IA comienza a hacer aguas en todo lo relacionado con soluciones orientadas a los empleados.

Spotify, Google, Netflix, Amazon,... no nos preguntan y saben un montón de cosas sobre nosotros. Ellos nos ofrecen servicios a cambio de que nosotros compartamos cierta información con ellos. Es una transacción que aceptamos ya que tiene una contraprestación que nos aporta cierto beneficio (no entro a valorar la asimetría de valor de esta transacción). Cuando desde los departamentos de personas le pedimos a los empleados ciertos datos, ¿perciben esa contraprestación?, ¿se les aporta algún servicio de valor añadido en base a sus datos? 

En mi opinión, compartir datos con tu empleador siempre genera una sensación de indefensión por parte del empleado. Este se siente expuesto y forzado a hacerlo más por obligación que por gusto. Cuando esto sucede, lo más probable es que los datos que se comparten estén sesgados o sean directamente mentira, para evitar posibles “represalias”. 

Resultado: información de muy baja calidad, con escaso valor de negocio y nula perspectiva estratégica.

Volvamos a la IA y su posicionamiento en las agendas de los responsables de personas en muchas organizaciones. No se puede discutir ese posicionamiento y, por supuesto, esta es una carrera en la que las empresas tienen que estar. Pero si no está delante cómo generar datos de calidad, poco valor le vamos a sacar a esos mega proyectos basados en la inteligencia artificial.

Para no empezar la casa por el tejado, antes de la IA deberíamos pensar en varias cosas:

• Cómo generar entornos seguros para nuestros empleados en los que sientan que se puede confiar; donde mostrar la debilidad es algo que no penaliza, más bien todo lo contrario, alimenta relaciones saludables y genera la posibilidad de tener conversaciones claras y realistas que ayuden al empleado a sentir que su relación laboral es algo más que una mera transacción económica.
• Al igual que esos players tecnológicos que comentábamos arriba, debemos empezar a pensar en qué servicios de valor añadido se le puede ofrecer a un empleado en base a la información que comparta con su compañía: recomendadores, aceleradores de carrera, matching de intereses,... A lo mejor, pensar en los empleados de la misma manera que una empresa piensa y cuida a sus clientes no era una mala aproximación (y sé que está afirmación tiene muchos matices… pero pensemos en relaciones positivas).
• Tener reglas claras y una orientación al cuidado del dato exquisita. Esto no va de tener datos por tenerlos. Lo del “big data” nos ha llevado al síndrome de diógenes: tú guarda que para algo servirá. Gracias a este pensamiento, el 80% del tiempo en los proyectos en los que se trabaja con datos se invierte en limpiarlos y ordenarlos…. para al final obtener poca cosa. Que el dato tenga un dueño, que haya reglas de recogida que perduren en el tiempo, evitar fuentes de entrada diversas con fuerte contenido subjetivo, cambiar las reglas de un proceso de manera periódica,.... sólo ayudan a hacer cada vez más grande la bola de nieve.

‍

La ya archifamosa IA generativa trabaja sobre las reglas de sintaxis, reglas mundialmente aceptadas y seguidas por todos. Gracias a ello se han construido, y siguen construyendo, modelos estables que pueden hacer cosas que suenan a magia. Pero esa magia requiere patrones. ¿Los tienen esos datos que manejas?

‍