A

unque las herramientas de reclutamiento con IA han estado históricamente orientadas a empleadores y gerentes de contratación, la IA generativa (o GenAI) ahora está empoderando a los buscadores de empleo para mejorar sus posibilidades de ser contratados. Con la estrategia adecuada y los prompts correctos, usted puede aprovechar estas plataformas como si fueran entrenadores profesionales digitales.

Si le interesa experimentar, he aquí algunas formas sencillas de aprovechar la IA generativa antes de su próxima entrevista de trabajo para prepararse para el éxito.

1) Utilícela para recopilar información sobre la cultura de la empresa.

Una empresa puede parecer perfecta para usted en el papel, pero no hay una manera real de evaluar su cultura laboral hasta que comience a trabajar allí, ¿verdad? No exactamente.

Sitios como Glassdoor ahora funcionan como un Yelp para empleadores, y los rankings en los mejores lugares para trabajar, con caracterizaciones detalladas de las empresas, están ampliamente disponibles. Entre otros datos, estos recursos pueden alimentar motores de IA generativa, que luego pueden proporcionarle información rápida y sencilla para evaluar la experiencia de los empleados en distintas compañías.

Antes de su entrevista, será útil hacer un poco de investigación en esta área. La IA generativa puede ayudarle a identificar señales de alerta que debería tomar en cuenta al comenzar y continuar con el proceso de entrevista.

2) Utilícela para analizar las palabras clave en la descripción del puesto.

Así como la IA generativa puede recopilar datos sobre la cultura empresarial, también puede obtener información valiosa de bolsas de trabajo y listados de vacantes. Concretamente, puede desglosar las habilidades, atributos y valores principales asociados con ciertos empleos.

Para prepararse para su entrevista, elija algunas palabras clave o habilidades destacadas en la descripción del puesto y pídale a la IA generativa que le explique un poco más sobre lo que generalmente buscan las empresas al analizarlas.

3) Utilícela para obtener orientación sobre posibles preguntas de entrevista y cómo responderlas.

Existen muchos prompts útiles que pueden ayudarle a prepararse. Por ejemplo, puede preguntarle a la IA generativa qué tipo de preguntas son las más comunes en una entrevista, cómo responderlas de la mejor manera y qué suele tratar de evaluar un gerente de contratación. También puede preguntar qué errores debería tratar de evitar, qué tipo de lenguaje corporal o señales no verbales debe cuidar, así como las mejores prácticas de etiqueta para entrevistas.

4) Realice sesiones simuladas de entrevista.

Si tiene en mente respuestas específicas a preguntas de entrevista y quiere saber qué pensarían los gerentes de contratación sobre ellas, pídale a la IA generativa que actúe como tal, y que le dé retroalimentación honesta y crítica sobre cómo mejorar. Algunas herramientas de IA generativa están diseñadas específicamente para realizar simulaciones de entrevistas, en las que la IA asume el papel del entrevistador o entrevistado (usted puede alternar los roles). Otras, como ChatGPT, pueden evaluar sus respuestas si las pega en la caja de chat de la plataforma y le pide a la herramienta que le proporcione retroalimentación.

He aquí algunos prompts básicos que puede usar para iniciar un ejercicio de entrevista simulada:

— Estoy solicitando una entrevista para el puesto X. Finja que es el entrevistador y haga preguntas típicas en este contexto.

— Ahora dígame qué opina de mis respuestas y cómo puedo mejorarlas.

— Ahora dígame cómo respondería usted a estas preguntas si fuera un candidato destacado.

— Ahora repitamos esto con otras preguntas/respuestas.

P

ara aprovechar el potencial creativo y transformador de la IA, y entrenar nuestro cerebro para un mundo en el que la IA sea prioritaria, debemos cambiar nuestra mentalidad y utilizar la IA como un socio colaborador (y no solo como una herramienta).

A continuación, se presentan una docena de formas de entrenar su cerebro para lograr resultados más amplios e innovadores con la IA generativa:

1. Establezca una práctica diaria de “prompts exploratorios”

Comience cada día con una pregunta abierta que lo impulse a pensar en grande. Por ejemplo: “¿Qué tendencias u oportunidades no estoy viendo en mi industria?”

2. Con base en los prompts, plantee preguntas del tipo “¿Qué pasaría si…” y “¿Cómo podríamos…”

Por ejemplo, en lugar de preguntar “¿Cómo puedo mejorar la productividad?”, intente: “¿Qué pasaría si pudiera abordar la productividad de una manera poco convencional? ¿Cómo sería?”

3. Acepte la ambigüedad y la curiosidad

Entrenarse para interactuar sin un resultado preciso en mente permite que la IA genere respuestas que podrían sorprendernos. Preguntas como “¿Qué podría estar pasando por alto en mi enfoque de X?” abren puertas a perspectivas que no se habían considerado.

4. Utilice prompts para explorar, no solo para resolver

Centrarse en la exploración permite generar ideas más profundas. Por ejemplo, “Exploremos el futuro del liderazgo si la IA tuviera un puesto en la junta directiva o en la alta dirección. ¿Qué cambios podríamos ver en nuestro trabajo, funciones y cultura corporativa?”

5. Encadene prompts para desarrollar ideas de manera iterativa

En lugar de detenerse en la primera respuesta, haga preguntas de seguimiento que profundicen y lleven la respuesta hacia soluciones más complejas y visionarias.

6. Piense de forma metafórica o analógica

Entrene su cerebro para usar metáforas o analogías en los prompts y así abrir caminos creativos. Por ejemplo, en lugar de pedir consejos de productividad, indique a la IA: “Imagina que la productividad es un baile. ¿Cómo podría cambiar mi enfoque?”

7. Pida perspectivas, más allá de los hechos

Pida a la IA que adopte diferentes perspectivas para ampliar su capacidad creativa y generar resultados impredecibles. Por ejemplo, “¿Cómo abordaría este desafío un artista, un científico y un filósofo en un mundo impulsado por la tecnología?”

8. Experimente con prompts de “juego de roles”

Entrénese para considerar múltiples perspectivas pidiéndole a la IA que genere respuestas desde la mentalidad de los mejores expertos del mundo de cualquier sector o industria; incluso puede incluir personajes ficticios. Por ejemplo, “¿Cómo resolverían este problema un CEO innovador, un artista y un futurista?”

9. Plantee imposibilidades e incluya escenarios experienciales

Abra nuevas vías para reimaginar el problema en sí mismo, descubriendo soluciones que otros podrían pasar por alto. Pida a la IA ideas que “eliminen por completo la necesidad de [lo que sea en lo que esté trabajando]” o “soluciones que resuelvan problemas que aún no hemos imaginado”.

10. Reimagine el papel de la IA en la solución

Formule preguntas que traten a la IA como un socio en la innovación: “¿Cómo diseñarías, como IA, este servicio o solución para [lograr A, B o C] de maneras que solo una IA podría percibir?”

11. Establezca una sesión semanal de “prompts orientados al futuro”

Dedique una sesión a la semana para centrarse en prompts a gran escala y orientados al futuro, por ejemplo: “¿Cómo será mi industria en 10 años y cómo puedo mantenerme a la vanguardia?”

12. Lleve un registro de “prompts innovadores”

Aunque las herramientas de IA conservan un historial de sus prompts, documente aquellos que generen ideas y resultados sorprendentes, innovadores o particularmente valiosos.

L

a IA generativa (Gen AI) ofrece oportunidades transformadoras para el aprendizaje, el trabajo, la creatividad y la toma de decisiones en las organizaciones. Esto marca un cambio de paradigma hacia una colaboración sin precedentes entre humanos y máquinas. Sin embargo, su integración en la forma de trabajar de las organizaciones es compleja. Los riesgos son numerosos, incluidos los problemas de confianza y precisión, las alucinaciones y los sesgos heredados de los modelos subyacentes. Hoy en día, muchas empresas se enfrentan al dilema de aprovechar el poder de la IA generativa sin caer presa de sus posibles desventajas.

El temor a cometer errores críticos con la IA generativa ha llevado a algunas organizaciones a restringir severamente su uso, o incluso a prohibirlo por completo. Este enfoque evasivo es más peligroso de lo que parece, ya que puede generar consecuencias no deseadas (como que los empleados utilicen cuentas personales para eludir las restricciones) e impide que las empresas aprovechen los beneficios de la IA generativa.

Otras empresas más dispuestas a experimentar con la IA generativa han adoptado un nivel básico de estrategias inteligentes de gestión de riesgos. Estas mitigaciones comienzan con políticas de uso, códigos de conducta, restricciones a herramientas aprobadas y límites establecidos. Estas medidas son recomendables y necesarias, pero insuficientes; ya que no abordan muchos escenarios futuros desconocidos y difíciles de definir, especialmente dada la velocidad del cambio tecnológico.

Cada vez es más frecuente un segundo nivel de mitigación de riesgos: Ahora, muchas empresas alientan a su personal a utilizar el pensamiento crítico y el juicio en torno a las herramientas de IA. Este juicio a nivel individual va más allá de simplemente examinar los resultados generados por la IA; implica establecer el modo de colaboración adecuado con la IA, establecer un contexto y límites claros, y proporcionar retroalimentación continua a la máquina.

El ejercicio del juicio individual tiene más ventajas que las políticas por sí solas. Permite a los empleados interpretar las directrices en el contexto de uso, ya que las políticas no pueden cubrir todas las situaciones. El juicio permite a las personas traducir y adaptar reglas abstractas a escenarios del mundo real; por ejemplo, garantizar la confidencialidad al eliminar cuidadosamente los elementos sensibles específicos incluidos en un prompt. Sin embargo, el juicio individual puede no ser suficiente en todas las circunstancias. De hecho, cuando la IA presenta alucinaciones o genera resultados inexactos, las personas podrían caer inadvertidamente en una «trampa de confianza», influenciadas por el tono autoritario de las sugerencias generadas por la inteligencia artificial.

En este sentido, proponemos un nuevo nivel de mitigación de riesgos: el juicio en equipo.

Los tres tipos de juicio a nivel de equipos

La investigación en campos tan diversos (como la atención médica, el control del tráfico aéreo y la generación de energía nuclear) destaca el papel fundamental del trabajo en equipo para mitigar los riesgos operativos.

Un enfoque similar, que combine reglas estrictas con el juicio a nivel de equipos, puede ayudar a las organizaciones a abordar de manera efectiva los desafíos de la IA. Las conversaciones entre colegas pueden aportar perspectivas diversas, cuestionar los resultados y descubrir sesgos ocultos. Recurrir a expertos en la materia puede ayudar a validar datos específicos o revisar áreas en las que existen dudas o inquietudes debido a la falta de conocimientos para juzgar con confianza. El juicio a nivel de equipos tiene tres manifestaciones principales:

1. Juicio colectivo: Los equipos deben participar en debates para garantizar la precisión, identificar riesgos y evaluar los resultados generados por la IA. Por ejemplo, si los miembros no están seguros de un resultado generado por la IA, deben consultarlo con otros colegas o equipos, y revisar el contenido generado antes de aceptarlo y utilizarlo. Estas rutinas de reflexión y debate compartidos permiten una evaluación integral de los posibles impactos, incluidas las implicaciones éticas y legales.

2. Juicio especializado: Cuando se producen imprevistos o se detectan anomalías en los resultados de los sistemas de IA, los equipos deben delegar la autoridad de toma de decisiones a aquellos que son expertos o que están más cerca del trabajo, y no a quienes tienen el rango más alto. Al consultar a los expertos en la materia cuando surgen preguntas o problemas con la IA, sus conocimientos pueden orientar al equipo de manera oportuna y evitar que se extiendan las consecuencias negativas.

3. Juicio reflexivo: Los equipos deben reunirse periódicamente para compartir y reflexionar sobre sus experiencias y las de otros al usar IA, mejorando así su comprensión y capacidad para navegar por los sistemas de IA. Este aprendizaje continuo es fundamental para seguir el ritmo de la rápida evolución de la tecnología, permitiendo a los equipos aprender de los errores y éxitos para optimizar el uso seguro y eficaz. Un ejemplo de juicio reflexivo es la realización periódica de retrospectivas en equipo para analizar las lecciones aprendidas.

La incorporación de estas formas de juicio a nivel de equipos aborda elementos críticos de riesgo que las políticas o el juicio individual por sí solos podrían pasar por alto. Este enfoque colaborativo ayuda a descubrir puntos ciegos y sesgos, ofreciendo salvaguardas más completas.

Desarrollar el juicio a nivel de equipos

El juicio basado en equipos debe cultivarse antes de que pueda ser efectivo. Requiere práctica y refuerzo constantes para convertirse en un mecanismo sólido para gestionar los riesgos y garantizar resultados de alta calidad. A continuación, se presentan algunas recomendaciones prácticas para ayudar a los líderes a desarrollar esta capacidad dentro de sus equipos:

Cómo reforzar el juicio colectivo

Cree rutinas para la reflexión y debate dentro de los plazos del proyecto. Esto puede incluir reuniones breves o puntos de control diseñados específicamente para la toma de conciencia colectiva. Por ejemplo, después de una interacción uno a uno con la máquina, tomarse un momento para revisar y evaluar los resultados generados por la IA con sus compañeros puede brindar información valiosa y asegurar que los resultados no se acepten acríticamente, sino que se examinen para comprobar su precisión y relevancia. Algunas posibles preguntas para este tipo de sesiones incluyen: ¿Esto es plausible? ¿Se citan correctamente las fuentes? ¿Esta recomendación es propensa a posibles riesgos o sesgos? Hacer este juicio crítico en un grupo es más poderoso, ya que se tienen diferentes perspectivas y experiencia, y es menos probable que se caiga en la trampa de la confianza.

Cómo reforzar el juicio especializado

Establezca mecanismos para identificar y activar a los expertos en la materia a lo largo del proyecto. En primer lugar, asegurarse de que las personas comprendan la necesidad de involucrar a otros expertos durante el proceso de colaboración entre humanos e IA. A continuación, facilite la identificación de los expertos adecuados (disponiendo de mapas de expertos o una lista de especialistas) y el contacto con ellos (por ejemplo, formulando preguntas en comunidades internas de práctica, a menudo a través de sistemas de chat virtual o foros de discusión). Introduzca incentivos para los expertos que apoyen a los equipos y orienten la toma de decisiones cuando surjan problemas.

Cómo reforzar el juicio reflexivo

Dedique tiempo a actividades de aprendizaje continuo y fomente el intercambio de experiencias mediante sesiones y repositorios dedicados. Las sesiones retrospectivas deben incorporarse a los planes de los proyectos para facilitar el aprendizaje dentro y entre los equipos. Algunas preguntas útiles para explorar incluyen: ¿Qué aprendimos este mes al utilizar esta nueva tecnología? ¿Cuáles son los errores más comunes? ¿Cómo están lidiando nuestros colegas con desafíos similares? ¿Cómo podemos integrar mejor la IA generativa en nuestros flujos de trabajo para evitar estos errores? Además, el aprendizaje puede consolidarse y conservarse en un repositorio de conocimientos o como parte de academias de IA generativa.

El juicio basado en equipos es un activo estratégico para navegar en un futuro impulsado por la IA. Al cultivar esta capacidad a gran escala, las empresas están mejor equipadas para adaptarse rápidamente al cambiante panorama de la IA, incluidos los riesgos que aún no son generalizados o conocidos. Esta sabiduría colectiva permite a las organizaciones adoptar con confianza la integración de la IA, adaptarse a los flujos de trabajo cambiantes y gestionar las complejidades de la colaboración entre humanos e IA, acelerando la obtención de beneficios y mitigando de forma proactiva los riesgos existentes y emergentes.