Las ventajas y desventajas de evaluar constantemente el desempeño

From HBR.org

Para tener éxito hoy en día, las empresas deben percibir cómo cambian las capacidades durante la ejecución real del trabajo y utilizar lo que aprenden para asignar a los empleados de manera precisa las tareas para las que están mejor preparados. La evaluación constante --sistemas que monitorean el desempeño, detectan patrones y problemas, así como permiten el aprendizaje en tiempo real-- puede ofrecer una solución poderosa a este problema.

Individualmente, las iniciativas independientes tal vez no parezcan una evaluación constante. Muchas se presentan como esfuerzos de productividad, capacitación, contratación de personal o mejora del flujo de trabajo, en lugar de como sistemas de evaluación. Sin embargo, una vez que estos componentes se consideran en conjunto, apuntan hacia la arquitectura de un sistema más maduro, en el que la evaluación se basa menos en revisiones periódicas y más en evidencia capturada continuamente a partir del trabajo real.

Hemos identificado tres acciones principales que serán necesarias para que dicho sistema funcione:

1) Cambiar lo que se considera evidencia de capacidad. Lo que importa aquí son las señales del trabajo real. Para evaluar el desempeño, las organizaciones ya no pueden basarse en revisiones periódicas o autoinformes. En su lugar, deben monitorear constantemente las señales en tiempo real como las actualizaciones de código, las llamadas de clientes, los patrones de colaboración y el uso de herramientas.

Esa es la tarea que realiza el Skills Agent de Microsoft, lanzado como parte del sistema People Skills de la empresa. La herramienta recopila información de correos electrónicos, documentos, reuniones, chats y patrones de colaboración y la utiliza para deducir en qué están trabajando realmente las personas; qué conocimientos especializados están aplicando; con quién colaboran y cómo están evolucionando sus capacidades. A continuación, esas señales se cruzan con la taxonomía de habilidades de Microsoft, impulsada en parte por el Skills Graph de LinkedIn, que captura las relaciones entre más de 39.000 habilidades. Esto crea un perfil dinámico de las habilidades de los empleados que se actualiza constantemente a medida que se realizan nuevas tareas. Por supuesto, el sistema no ofrece una visión perfecta de las capacidades, ni sustituye al juicio humano; pero marca un cambio fundamental: pasar de registrar periódicamente las habilidades autodeclaradas de una persona a deducir continuamente qué capacidades demuestra en el flujo de trabajo.

2) Analizar el trabajo a nivel de tareas individuales. La detección constante, es decir, la captura continua de señales de trabajo a nivel individual y de flujo de trabajo, es lo que hace posible la evaluación constante, al permitir que las organizaciones comprendan mejor cómo se distribuye y reconfigura el trabajo entre los empleados humanos y la IA. Esto ayuda a determinar quién se está adaptando bien a la IA y qué habilidades están absorbiendo las herramientas. Si la IA puede realizar una tarea que antes requería una habilidad especial, la organización necesita saberlo rápidamente. De lo contrario, seguirá contratando y organizándose en torno a capacidades que tal vez ya estén dejando de ser únicas.

Los agentes de programación internos de Stripe ofrecen uno de los ejemplos públicos más claros de este cambio. Conocidos como "minions", estos agentes escriben bloques de código de manera independiente y los envían para que los revisen humanos antes de que nada se ponga en marcha. En febrero de 2026, Stripe informó que más de 1.300 de estos envíos se incorporaban a producción cada semana --escritos íntegramente por la IA, revisados por humanos y sin contener ningún código humano--. Cada envío se convierte en un dato sobre la cambiante división del trabajo. La organización puede ver no solo que se utilizó la IA, sino también dónde se utilizó: qué partes de la tarea se delegaron a los subordinados o qué resultados pasaron la revisión, las pruebas y la implementación. Con el tiempo, estas señales muestran qué tareas está absorbiendo la IA y qué ingenieros están aprendiendo a desmontar, supervisar e integrar el trabajo generado por la IA de la manera más eficaz. Stripe no indica claramente si utiliza estos datos para una evaluación formal de capacidades o para la reasignación de personal, pero la señal a nivel de tarea es claramente visible.

Esto ya está comenzando a suceder en el desarrollo de software. El trabajo asistido por IA ahora genera señales sobre qué sugerencias se aceptaron; cuáles se rechazaron; en qué momentos los desarrolladores utilizaron el chat o la asistencia de agentes y si el resultado superó la revisión, las pruebas y la implementación. Por ejemplo, las métricas de uso de Copilot de GitHub brindan a los administradores empresariales visibilidad sobre cómo se adopta y utiliza Copilot en toda una organización. Los estudios empresariales ya están utilizando estas señales. Por ejemplo, una implementación de GitHub Copilot por parte de ZoomInfo, entre más de 400 desarrolladores, midió las tasas de aceptación de sugerencias y de líneas de código, junto con los comentarios de los desarrolladores y reportó una tasa promedio de aceptación de sugerencias del 33 por ciento y una tasa de aceptación de líneas de código del 20 por ciento.

Esto hace que el problema de evaluación emergente sea muy diferente de la medición tradicional de la productividad. La organización puede comenzar a ver qué partes del trabajo del software las está absorbiendo la IA o cuáles están aprendiendo a supervisar, evaluar e integrar los resultados generados por la IA en sistemas confiables.

3) Cerrar el ciclo desde el conocimiento hasta la acción. La detección constante solo es útil si cambia la forma en que la organización asigna el trabajo, desarrolla a las personas, rediseña los roles y planifica el futuro. r.Potential --una iniciativa de Adecco en asociación estratégica con Salesforce-- revela hacia dónde nos dirigimos en este frente. La empresa afirma que la iniciativa está diseñada para generar una "comprensión dinámica del trabajo que los humanos deben seguir realizando y del trabajo que pueden realizar los agentes" y con ese fin, recurre a datos del mercado laboral global, de la fuerza laboral específica de cada empresa y datos en tiempo real sobre el desempeño de los agentes de IA para ayudar a los líderes a modelar cómo debería ser la fuerza laboral. La esperanza es que toda esta información permita a r.Potential recomendar nuevas formas de organizar el trabajo y combinar los roles humanos con los de la IA.

Finalmente, los conocimientos deben traducirse en acciones. Aquí es donde la organización pasa de capacitar a las personas fuera del flujo de trabajo a adaptarlas dentro de él. Agent Assist, de Cresta, aprovecha esta oportunidad al ofrecer recordatorios al personal de los centros de atención al cliente, junto con información relevante para interacciones específicas con los clientes, antes de que termine una llamada. En otras palabras, los agentes aprenden mientras los clientes aún están en línea, en lugar de tener que esperar al siguiente ciclo de capacitación. Algunas empresas han comenzado a crear modelos de "coaching" similares, impulsados por la IA, para sus equipos de ingeniería.

+++

La transición a este modelo de evaluación constante es, en última instancia, un desafío de gobernanza, no tecnológico. Los líderes deben definir claramente cómo se utilizan los indicadores de desempeño, asegurándose de que el sistema esté orientado de manera transparente para apoyar el aprendizaje y la adaptación, en lugar de la vigilancia y el control.

Históricamente, las épocas se han organizado en torno a funciones, procesos y proyectos. La era que se avecina se organizará en torno a la preparación: es decir, la capacidad de una organización, actualizada constantemente, para actuar en la frontera cambiante de la colaboración entre humanos y máquinas. Las empresas que dominen esta gobernanza trascenderán las etiquetas obsoletas, asignando el trabajo en función de la capacidad en tiempo real y adaptándose más rápido de lo que sus competidores puedan planificar.