Por qué su cargo será irrelevante

01 — De los cargos a capacidades que pueden desarrollarse y redistribuirse

El mercado interno de talento impulsado por IA de Unilever no eliminó puestos de trabajo. Eliminó el supuesto de que el cargo de una persona define el trabajo que puede realizar. Al mapear las capacidades de los empleados a un nivel granular y emparejarlas con proyectos de toda la empresa, Unilever liberó 500.000 horas de capacidad que antes eran invisibles —encerradas dentro de roles que no reflejaban toda la gama de aportaciones que los empleados podían ofrecer. El resultado fue una mejora de productividad del 41% y que el 70% de las asignaciones cruzaran fronteras funcionales.

Yum China aplicó la misma lógica a la contratación de primera línea. Con más de 16.000 ubicaciones de restaurantes y necesidades continuas de contratación de alto volumen, la compañía desplegó IA en el cribado de candidatos, el emparejamiento de roles y la incorporación. El 89% de las necesidades de contratación se cubren ahora en una o dos semanas. La rotación de gerentes descendió del 9,7% al 7,8% —una consecuencia de un mejor emparejamiento entre la capacidad del candidato y los requisitos del puesto, no solo de un procesamiento más rápido.

02 — De las revisiones periódicas de talento a la inteligencia continua

El enfoque de Johnson & Johnson para la gestión de capacidades de la fuerza laboral demuestra cómo se ve la inteligencia continua de talento a escala empresarial. La compañía mapeó 41 competencias preparadas para el futuro en su personal tecnológico, construyó un sistema de IA que rastrea de forma continua el desarrollo individual de capacidades y la exposición a proyectos, y abrió el acceso a recursos de aprendizaje alineados con esas competencias al 90% de su población de tecnólogos. El resultado fue un aumento del 20% en la participación en el ecosistema de aprendizaje —no a partir de un programa de formación obligatorio, sino al hacer visibles y accesibles en tiempo real las rutas de desarrollo relevantes.

La implicación para la planificación del talento es que los requisitos de capacidad de las organizaciones están cambiando más rápido de lo que las revisiones anuales tradicionales de talento pueden seguir. Las organizaciones que mantienen un mapa de capacidades en tiempo real —sabiendo qué competencias se están automatizando, cuáles tienen una demanda creciente y qué individuos están al alcance de adquirir capacidades críticas— toman mejores decisiones de despliegue y desarrollo que aquellas que operan con una instantánea anual.

03 — De jerarquías por niveles a equipos planos de humanos y agentes

El despliegue de IA de Repsol en sus funciones de TI y operaciones ilustra el cambio estructural que la IA introduce en la arquitectura de equipos. La compañía desplegó 22 agentes de IA en 38 casos de uso dentro de su división tecnológica y está escalando a 90 agentes, con 3.000 empleados de TI interactuando directamente con flujos de trabajo basados en agentes. Cada agente gestiona un dominio de tareas definido; los humanos operan como orquestadores, gestores de excepciones y responsables de calidad —no como el decisor por defecto en cada paso.

Moderna llevó esto más lejos a nivel organizativo. La compañía fusionó sus funciones de RR. HH. y TI bajo un único Chief People and Digital Transformation Officer, desplegó internamente miles de herramientas basadas en GPT y eliminó la frontera tradicional entre la “gestión de la fuerza laboral” y la “gestión de la tecnología”. Cuando los agentes de IA y los empleados humanos trabajan desde la misma cola de tareas, la distinción entre una pregunta de RR. HH. y una pregunta de TI pierde sentido.

04 — El aprendizaje continuo como sistema operativo

Los hallazgos del WEF sobre el compromiso de la fuerza laboral son sorprendentes por su magnitud. Las organizaciones que utilizan sistemas de talento impulsados por IA reportan un 21% más de retención, un compromiso de la fuerza laboral 5× mayor y un aumento de productividad del 33% por hora de uso de IA. Estos no son los resultados de un programa de formación y desarrollo. Son los resultados de integrar el aprendizaje en el propio flujo del trabajo.

El modelo tradicional de aprendizaje separa el desarrollo del trabajo: los empleados completan la formación y luego regresan a sus roles. La IA habilita un modelo diferente —uno en el que el sistema identifica brechas de capacidad en el contexto del trabajo real, presenta contenido de aprendizaje relevante en el momento en que se necesita y realiza el seguimiento del desarrollo frente a señales reales de desempeño, en lugar de registros de finalización de cursos.

Los agentes de IA de Repsol no solo automatizan tareas. Generan datos sobre cómo se abordan esas tareas, dónde se producen los errores y qué competencias escasean. Esos datos alimentan directamente las decisiones de planificación de la fuerza laboral: qué capacidades desarrollar internamente, cuáles obtener externamente y cuáles automatizar aún más.

Las organizaciones que van por delante en talento no están invirtiendo en mayores presupuestos de aprendizaje y desarrollo. Están invirtiendo en modelos de gobernanza que definen qué trabajo realizan los humanos y qué realizan los agentes —y construyendo los sistemas de capacidades para emparejar a las personas con ambos. Los cargos no desaparecerán de la noche a la mañana. Pero las organizaciones que sigan utilizándolos como la arquitectura principal para la planificación de la fuerza laboral se encontrarán cada vez más incapaces de desplegar las capacidades que tienen.