Abra cualquier vacante de tecnología hoy: "especialista en IA", "dominio avanzado de las herramientas más recientes", "experto en automatización". El problema es que ese especialista no existe, al menos no en el sentido que la vacante imagina. La herramienta que era referencia hace seis meses ya fue reemplazada. El modelo que era estado del arte en enero se volvió obsoleto en abril. Contratar por dominio de herramienta es contratar un conocimiento con plazo de validez. Y el plazo es corto.
Este post muestra cual es el perfil que las empresas deberían estar buscando, presenta el criterio que casi ningún proceso selectivo evalúa (la resistencia a la decisión) y explica por qué el candidato equivocado no cuesta solo un salario: cuesta una deuda invisible que se extiende por toda la operación.
Contratar por herramienta es comprar conocimiento vencido
Imagínese contratar a un cocinero por la marca de la estufa que él sabe operar. La cocina cambia de equipo al año siguiente, y el currículum de él pierde su valor de la noche a la mañana. Lo que usted necesitaba desde el principio era a alguien que supiera cocinar: elegir el plato adecuado para el público, probar el condimento, corregir antes de servir. La estufa es un detalle.
Con IA es igual, solo que más rápido. El ciclo de cambio de herramienta cayó a meses. La empresa que escribe "dominio avanzado de la herramienta X" en la vacante está seleccionando por el criterio que envejece primero, e ignorando los criterios que permanecen.
Esto explica un fenómeno que ya ha aparecido en varios procesos selectivos: el candidato que impresiona en la entrevista hablando de diez herramientas diferentes y, seis meses después, está perdido porque las diez han cambiado. Él memorizó el manual. No aprendió a cocinar.
El perfil correcto combina dos competencias que no caducan
El profesional valioso en la era de la IA no es el que domina una herramienta. Es el que combina dos competencias raras: creatividad para ver soluciones donde el manual no llega, y pensamiento analítico para descomponer el problema, probar hipótesis y medir lo que realmente genera resultado.
La IA niveló la ejecución. Hoy, cualquier persona con acceso a las mismas herramientas produce informes, textos y automatizaciones con apariencia profesional. Lo que diferencia no es más la ejecución: es la calidad del razonamiento antes de ella. ¿Qué problema atacar? ¿Qué enfoque elegir? ¿Qué resultado validar? Esto no se puede automatizar. Se contrata.
En los proyectos de automatización que Steply implanta, vemos esto de cerca: quien sostiene el resultado después de la entrega no es la persona que sabe más atajos de la herramienta. Es la persona que mira el número que sale de la automatización y pregunta "¿tiene sentido?" antes de pasar a la dirección.
El criterio que ningún proceso selectivo evalúa: resistencia a la decisión
Existe una idea errónea de que trabajar con IA reduce el volumen de decisiones. Es lo contrario: lo multiplica. Cada respuesta del modelo exige un juicio: ¿acepto, ajusto o descarto? Cada automatización exige una elección: ¿esto resuelve el problema correcto o solo el problema fácil? Son decenas de microdecisiones por día, todos los días.
Y aquí aparece el criterio invisible: el profesional que se cansa de decidir. Al principio él cuestiona todo. Con el tiempo, la fatiga llega, y él pasa a aceptar la primera respuesta que la IA da. El trabajo sigue saliendo, los plazos siguen siendo cumplidos, y nadie se da cuenta de que la calidad del juicio se ha ido. Hasta el día en que un error grande estalla.
Procesos selectivos miden conocimiento de herramienta, formación, experiencia. Casi ninguno mide si el candidato aguanta decidir decenas de veces por día sin delegar el juicio a la máquina. Y ese es exactamente el músculo que el trabajo con IA más exige.
Débito cognitivo: la deuda que el candidato equivocado trae dentro
Toda vez que un profesional, por fatiga o frustración, para de juzgar y pasa a aceptar (acepta la respuesta de la IA sin validar, pospone la decisión difícil, delega el razonamiento a la herramienta sin revisar), él está tomando un préstamo mental. El trabajo sale más rápido hoy, pero la deuda queda registrada: premisas no verificadas, errores que se propagan, automatizaciones construidas sobre una lógica que nadie cuestionó. Es lo que se llama débito cognitivo, el primo del débito técnico. Ya explicamos cómo esta deuda nace y cómo Steply la maneja en los proyectos.
Y como toda deuda, ella cobra intereses. El error que costaría diez minutos de revisión hoy se vuelve un retrabajo de semanas cuando estalla en el informe de la dirección, en el cierre financiero, en la propuesta enviada al cliente. El primer profesional que se frustra con el volumen de decisiones es el primero en acumular esta deuda.
Una empresa llena de débito cognitivo tiene un síntoma fácil de reconocer: IA en todo lugar y confianza en lugar ninguno. Todo el mundo usa, nadie firma debajo de lo que sale.
Cómo evaluar este perfil en la práctica
La buena noticia: se puede probar todo esto en la entrevista, sin laboratorio y sin prueba técnica de herramienta. La regla general es preguntar por la decisión, no por la herramienta.
En lugar de "¿qué herramientas de IA dominas?", pregunte "cuéntame una vez en que la IA te dio una respuesta errónea. ¿Cómo te diste cuenta?". Quien nunca ha atrapado a la IA errando no está validando nada. En lugar de una prueba de herramienta, dé un problema real de su negocio y observe el razonamiento: ¿por dónde la persona comienza, qué pregunta antes de responder, cómo decide qué medir? La herramienta que él usaría es el detalle menos importante de la respuesta.
Y evalúe la relación de la persona con su propio error. El profesional que trata cada salida de la IA como un borrador a ser verificado vale más que el que la trata como respuesta lista, aunque el segundo parezca dos veces más rápido. La velocidad de él es un préstamo. La cuenta llega a su caja.
El perfil más valioso de la era de la IA
Creativo en la solución, analítico en la validación, incansable en la decisión. Especialista en el problema del negocio, generalista en las herramientas. Es difícil de encontrar, y es exactamente por eso que vale tanto: la herramienta cambia cada trimestre, el criterio no.
Queda la pregunta para su próximo proceso selectivo: ¿su empresa está evaluando candidatos por la herramienta que dominan, o por la calidad de las decisiones que toman cuando la herramienta falla?
