La IA generativa podría solucionar las evaluaciones de desempeño (o empeorarlas aún más)

L

as empresas están implementando rápidamente sistemas de IA generativa para agilizar las evaluaciones de desempeño. Estos sistemas demuestran capacidades impresionantes, pero hasta ahora, la mayoría de las organizaciones los utilizan para elaborar, con mayor rapidez, versiones más pulidas de las evaluaciones narrativas tradicionales.

Sin embargo, que algo esté pulido no significa que sea más confiable. Al suavizar la forma en que los gerentes describen el desempeño, estos sistemas pueden hacer que las evaluaciones parezcan más consistentes y creíbles de lo que realmente son, ocultando las inconsistencias y puntos ciegos que las han definido durante mucho tiempo. No obstante, la misma tecnología podría hacer algo mucho más valioso: alejar las evaluaciones de desempeño de las narrativas sobre el trabajo y acercarlas a evidencia directa del trabajo en la práctica: lo que las personas realmente hicieron, decidieron e influyeron.

El enfoque equivocado

Para aliviar la carga de las evaluaciones de desempeño, muchas empresas están utilizando la IA para redactar narrativas de evaluación. A simple vista, esto parece un avance. Pero, en realidad, se corre el riesgo de amplificar el problema de fondo. Los documentos producidos con IA tienden a converger hacia el mismo tono fluido y seguro. La variación que antes distinguía una evaluación cuidadosa de un elogio genérico está desapareciendo y convirtiéndose en una voz persuasiva, pero estandarizada.

Esta homogeneización afecta la presentación, no el contenido. Los gerentes siguen trabajando a partir de observaciones incompletas e impresiones subjetivas. La IA simplemente hace que todas las narrativas suenen igual de convincentes. El resultado son evaluaciones que parecen más confiables de lo que realmente son, haciendo que la información deficiente sea más difícil de detectar.

Un mejor camino

En lugar de ayudar a los gerentes a escribir historias más convincentes sobre el desempeño, la IA podría ayudarlos a identificar y examinar episodios reales de trabajo.

Los sistemas de IA podrían analizar patrones de interacción entre empleados para identificar evidencia de competencias de alto nivel que las métricas tradicionales pasan completamente por alto. Podrían examinar las redes de comunicación para identificar a los empleados que constantemente ayudan a otros a resolver problemas, analizar los patrones de toma de decisiones en las discusiones de proyectos para detectar el pensamiento estratégico o mapear los flujos de influencia a través de cadenas de correos electrónicos y las transcripciones de las reuniones para revelar el liderazgo en acción.

Aprovechar el potencial de la IA generativa

Las bases necesarias ya están claramente presentes. Esto es lo que los altos directivos pueden hacer ahora para convertir lo posible en una realidad:

1. Replantear la conversación sobre desempeño en torno a momentos decisivos, en lugar de etiquetas de rasgos y afirmaciones de excelencia.

En lugar de pedir a los gerentes que describan el “liderazgo”, el “pensamiento estratégico” o la “capacidad para navegar la ambigüedad” de un empleado, las evaluaciones de desempeño deberían plantear una pregunta diferente: ¿Qué momentos en el trabajo de esta persona revelan con mayor claridad esas capacidades? Un solo episodio decisivo (en el que un empleado desafió una suposición equivocada, redirigió un proyecto que estaba fracasando o alineó a distintas partes interesadas en torno a una decisión difícil) suele revelar más sobre sus capacidades que una página entera de lenguaje evaluativo. La IA puede ayudar a identificar estos episodios analizando registros de proyectos, comunicaciones y distintos materiales de trabajo para detectar los puntos de inflexión donde el juicio tuvo mayor relevancia.

2. Dirigir las herramientas de IA ya implementadas en toda la empresa para identificar evidencia conductual, en lugar de solo pulir la narrativa.

La mayoría de las empresas ya utilizan asistentes de IA integrados en las herramientas de trabajo cotidianas. En la actualidad, estos sistemas suelen utilizarse para resumir documentos o ayudar a los gerentes a redactar mejores textos. En su lugar, las organizaciones deberían orientarlos hacia una tarea diferente: analizar patrones de interacción entre empleados para identificar evidencia de competencias de alto nivel.

3. Construir una gobernanza que equilibre la transparencia con el control de los empleados y evite desviaciones hacia la vigilancia excesiva.

La transición hacia la evidencia conductual seleccionada por IA requiere una gobernanza que equilibre la verificación, el control de los empleados y límites claros.

— Verificación: La IA debe servir como un curador que señale fuentes verificables, mientras que los humanos conservan todo el juicio interpretativo.

— Control de los empleados: Dar a los empleados control sobre su propio portafolio de evidencia.

— Límites claros para evitar la expansión del alcance: Las evaluaciones de desempeño deben basarse en documentos de trabajo oficiales y no en comunicaciones informales o mensajes privados.