Por Flavia Tomaello
Si se debiera poner una fecha de nacimiento, la inteligencia artificial nació hace 69 años, cuando un grupo de genios investigadores de la física, la biología, la matemática, la informática, en ese momento naciente, se fueron a Estados Unidos bajo el Proyecto de verano de investigación en inteligencia artificial de Dartmouth, y crearon el concepto. Fredi Vivas, CEO y fundador de RockinData, es la persona que seguramente más sabe de la temática en la Argentina. Pionero en esta materia, es autor de Cómo piensan las máquinas y de Invisible, un interesante proyecto que mezcla la literatura y el costado académico de divulgación.
Nació en Lomos de Zamora, estudió operación de PC desde su más joven adolescencia, y desde ese momento nunca se alejó de ella. Laboralmente, fue explorando en ese segmento en diferentes organizaciones y ahí encontró conceptos como el Machine Learning, el aprendizaje de máquinas, lo que se convirtió en un gran empujón para meterse de en eso hace alrededor de 15 años. “Para mí, ChatGPT, por ejemplo, es como el nuevo Excel −explica−. Son herramientas de rendimiento. Están buenísimas. Por supuesto que son mejores o más impresionantes que una planilla de cálculo, pero puestas en la mano de cualquier persona en la organización, son una herramientas de altísima productividad. Es una herramienta de aumentación y de aumentación de equipos”.
−Eso tiene sus grandes desafíos.
−Sí, por ejemplo, de gente que confía ciegamente en lo que dice una plataforma y se desliga de la responsabilidad del proceso. Ese es un problema gigante que ya estamos viendo. Negar su uso es un error, porque la gente las va a usar igual a escondidas. Eso se llama Shadow Artificial Intelligence (inteligencia artificial en las sombras), un fenómeno muy común porque hay quien tiene vergüenza de decir un documento lo hizo con inteligencia artificial, porque tal vez se encuentra con un superior o un par que le dice “hacelo vos, no seas tan vago”. Y esto existe en Recursos Humanos, pero existe en el cine y en la música, en cualquier ámbito hoy. Entonces, claro, vas a tener desafíos de adopción de herramientas para ser más productivos. Toda tu compañía tiene que atravesarse por estas ideas. Del mismo modo en que todos aprendimos a usar una computadora, o a hacer fórmulas en Excel en los últimos 15 ó 20 años, vamos a tener que incorporar estas herramientas. Después va a haber un equipo de tecnología que va a encargarse de gobernar bienes proceso. Un equipo de Recursos Humanos que va a tener que entrenar a toda la compañía. Rever qué tareas es mejor que los haga una máquina, qué un humano, cuáles van a combinarse y en dónde no va a involucrarse una máquina. Porque podemos pensar esto como una matriz.
−Esa es como una lógica que todavía no se está hablando.
−Exacto. Imaginate que tenés que dar feedback a un colaborador y pongas una máquina a hacerlo. ¿Qué sentido tiene? Es una forma de colaborar absolutamente no recomendada. Porque las máquinas no son buenas haciendo eso. La inteligencia artificial es una simulación de la inteligencia humana. No la podés poner a hacer algo que debería hacer un humano. Pero si tenemos que analizar 500 archivos que vienen en formatos diferentes en Excel, que es agotador y que tiene gran margen de error, podemos delegarlo en una máquina. Pongamos un colaborador a hacer la tarea que le dé más alegría. Esto va a traer cambios organizacionales, estructuras nuevas. De 10 tareas que hacés en tu trabajo, tal vez que 5 las va a pasar a hacer una máquina y vas a tener que encontrar otras 5 nuevas para hacerte cargo.
−En este sentido, ¿qué riesgos y qué oportunidades se presentan en la evaluación de candidatos?
−Es un tema muy interesante y lo podemos ver desde dos lados. Desde la persona que busca trabajo y desde la mirada del reclutador. En el primer caso, hay gente entrando a LinkedIn porque es la plataforma más usada para conseguir empleo. Recomiendan comentar, mostrarse, contar lo que hacés. Y allí te encontrás con gente escribiendo absolutamente todo con inteligencia artificial. Entonces se generan automáticamente cientos de posteos, cientos de publicaciones por día. Tu visibilidad en LinkedIn aumenta, por supuesto. Lo cual está bueno porque estás creando tu marca en LinkedIn. Pero, ¿qué marca es la que estás creando? ¿Una falsa imagen de uno mismo? Porque después, en una entrevista, esa persona no va a hablar como te está hablando en LinkedIn.
−Diríamos que es un avatar de LinkedIn.
−Un avatar de sí mismo, creado con una idea. Un avatar que escribe bien, que es súper empático, buena onda. Pero tal vez en la realidad no es así. Entonces, conocés a una persona por LinkedIn que está gestionando su propia imagen con una idea, pero realidad no es esa persona, es otra. Entonces, cuando un reclutador piensa que es interesante y que lo quiere conocer, quizás se decepciona. Pero, por otro lado existen personas automatizando la investigación de búsquedas con herramientas como el web scrapping, donde una serie de bots permite crear una base de datos de candidatos. Pero si a la par hay personas escribiendo currículums con palabras claves relacionadas a las búsquedas que machean, lo que ofrece una probabilidad alta de que ese sujeto el candidato correcto. Con ambas herramientas va a haber una coincidencia buena, pero hay que ver si es real: si el puesto creado tiene los perfiles reales que se necesitan y si quienes machearon con él efectivamente son como dicen ser. Entonces, todo esto puede servir para un primer filtro. Pero después la instancia de la conversación es clave, incluso presencial.
Hace poco hubo un caso muy polémico: una persona estaba entrevistando online a otra y el entrevistado usaba un sistema que le traducía y lo ayudaba a responder las preguntas técnicas que le hacían. Él simplemente la repetía, y del otro lado nadie notaba la diferencia. Después, esta persona reconoció que lo había hecho de ese modo para demostrar todo lo que hoy se puede lograr con la inteligencia artificial. Cuando uno ve casos así, se pregunta: ¿hay mejores herramientas para los reclutadores? Sí, pero también hay nuevos desafíos. Un reclutador que no comprenda el potencial actual de la IA, ni sepa usarla, va a quedarse como quien en el año 2000 no sabía usar Excel.
−Uno de los temas más debatidos en torno a la IA es el de los sesgos. ¿Existen también en la captación de talento? ¿Podría la IA ayudar a evitarlos o, por el contrario, reforzarlos?
−Creo que la IA no tiene sesgos propios: replica los sesgos. Se tiende a culpar a la máquina sin reconocer que esos sesgos provienen de nosotros. Y esa mirada es peligrosa. En la práctica de Recursos Humanos y análisis de datos, el concepto más relacionado con esto es People Analytics, que podríamos definir como “analítica aplicada a los recursos humanos”. Recuerdo un libro escrito por personas que trabajaron en Google donde contaban cómo aplicaron este principio para optimizar sus procesos de selección. Por ejemplo, analizaban cómo reducir la cantidad de entrevistas necesarias para encontrar un buen candidato. Si antes hacían ocho, querían lograr el mismo resultado con cuatro. Debían definir ciertas características. Luego, el modelo predictivo comparaba a los nuevos candidatos con ese perfil ideal. Uno podría decir: “eso es discriminación algorítmica”. Pero en realidad, antes esos juicios los hacían humanos. Por eso creo que el tema de los sesgos representa una oportunidad: la de revisar lo que nosotros mismos hacemos mal. Cuando lo analizás desde una mirada más racional, descubrís lógicas que quizá no son tan buenas. Recuerdo que cuando buscaba trabajo a los 19 o 20 años, vivía a una hora y media de la Capital, y muchas veces no me consideraban por la distancia. Había un humano diciendo: “Va a llegar tarde”. Sin embargo, siempre llego temprano justamente por eso. Esos sesgos humanos se están trasladando a la IA, y pueden reflejar un mundo que no queremos reproducir. La pregunta es: ¿cómo lograr que la IA refleje nuestros valores y no nuestros prejuicios? Ese debate sigue abierto.
−Otro desafío actual tiene que ver con el liderazgo. ¿Cómo debería ser el nuevo líder que debe guiar equipos en este contexto de tecnologías emergentes?
−Creo que hoy es una época especialmente difícil para liderar. El trabajo remoto añade una complejidad enorme: la falta de contacto humano, de vínculos cotidianos, de esos momentos que marcan la experiencia laboral: un café con colegas, una charla espontánea, resolver un problema juntos… Hay cosas del trabajo presencial que no eran buenas, como estar encerrados diez horas diarias. Pero también había un enorme valor en la conexión humana. El trabajo remoto te quita parte de eso, aunque ofrece otras ventajas. En este contexto, liderar se volvió un reto. En el mundo de la tecnología, muchos profesionales no quieren asumir roles de conducción: prefieren mantenerse como especialistas. Cuando empecé a trabajar en el área de datos, hace unos 16 años, me impactó una frase: “en una reunión de trabajo, quien toma la decisión no es quien más cobra, sino quien tiene los mejores datos”. Esa idea muestra cómo la información puede democratizar las jerarquías dentro de las organizaciones. Un analista junior con buena data puede aportar tanto como alguien con quince años de experiencia. Hoy se discute mucho qué pasará con los juniors en esta nueva era de la IA. Hace poco hablaba con el director de una empresa de más de mil empleados del área de datos. Me decía que el panorama era complicado, y yo le respondí que, al contrario, este es el mejor momento para ser junior. Antes, el aprendizaje era muy lento: “Sentate al lado mío y mirá cómo lo hago”. Hoy, un asistente de IA puede responderte cómo es el organigrama, ayudarte a pedir un adelanto de sueldo o mostrarte un repositorio interno. Con herramientas como Copilot, los nuevos empleados pueden acceder a bases de conocimiento internas y seguras, y aprender en meses lo que antes llevaba un año. Estos cambios son difíciles de percibir porque los estamos viviendo, pero transforman completamente la dinámica laboral. Por eso, el liderazgo necesita adaptarse y mantenerse atento. No hay recetas fijas.
−Internamente, en cuanto a mejorar la experiencia del empleado, especialmente el que recién se inicia, una de las claves es la motivación. ¿Cómo se vive eso hoy?
−Leí recientemente una encuesta con resultados muy interesantes: se le pide a los equipos de Recursos Humanos más cercanía humana. Entre formularios y tareas administrativas, muchas veces no queda tiempo para conversar con una persona que está redefiniendo su carrera. Y esas conversaciones son irremplazables. ¿Podríamos tener una IA que guíe esos procesos? Sí, pero no puede reemplazar el valor humano de una charla genuina. Entonces, la clave está en definir bien qué debe hacer una máquina, qué debe hacer un humano y qué pueden hacer juntos. Si logramos automatizar las tareas repetitivas o de poco valor con IA, podremos liberar tiempo para lo que realmente aporta valor humano. Esto exige un cambio de mentalidad. Muchos aún definen su trabajo por las tareas que hacen, no por el valor que aportan. Una persona puede pensar: “Mi trabajo es cruzar tres Excel”. Pero si la IA lo hace, ¿qué queda? Lo que queda es entender al cliente, generar propuestas, interpretar necesidades. Ese es el verdadero trabajo. Los líderes y profesionales de Recursos Humanos tienen un rol clave en esta transformación. La adopción de IA dentro de una empresa no depende sólo del área tecnológica: requiere la integración de tres inteligencias: humana, de decisión y computacional. En Rocking Data a esto lo llamamos human intelligence, decision intelligence y computer intelligence. La inteligencia humana está primero, porque este no es un cambio tecnológico, sino humano. La IA puede automatizar tareas administrativas, pero su valor real está en permitirnos dedicar tiempo a lo que genera más impacto. A eso le llamo mentalidad de crecimiento con IA. Estamos en una etapa de reconocimiento: intentando entender qué es la IA, qué puede hacer. Esa etapa genera miedo, dudas, fascinación. Pero después de eso viene la exploración: descubrir lo que antes no podíamos hacer y ahora sí.
En ese contexto, las habilidades humanas serán más importantes que nunca. En la industria del software, por ejemplo, las herramientas de IA ya programan muy bien. Pero eso no significa el fin de los programadores, sino una transformación del rol. Eso genera una brecha entre lo que esperan los equipos de Recursos Humanos y para lo que muchos técnicos fueron formados. En Rocking Data aprendimos que la diversidad de perfiles es la clave. Mis socios y yo somos muy distintos, y eso nos enriquece. A lo largo de mi carrera, trabajé con sociólogos, matemáticos, físicos, biólogos, filósofos, personas de distintas edades, géneros y regiones. Esa diversidad no es la respuesta a todo, pero sin duda abre caminos valiosos.
−¿Qué hacemos con el miedo que aún persiste?
−Ese miedo suele venir acompañado de fascinación. Es normal. Podemos entender técnicamente cómo funciona una IA, y aun así sorprendernos cuando genera música, imágenes o textos de altísima calidad. Hoy se habla de IA como antes se hablaba de software o compresión de archivos, pero con una diferencia, ahora es un tema cotidiano. Y eso genera FOMO, miedo a quedarse afuera. Sin embargo, la mayoría de los proyectos de IA fracasan, según estudios del MIT. Hay una sobreexpectativa y una falta de comprensión real sobre qué significa “adoptar IA”. Por eso, mi mensaje sería: tranquilos. Estamos en un momento de euforia global con la IA. No todo lo nuevo es relevante para vos o para tu empresa. Tomate el tiempo para observar, entender y elegir con criterio. No es necesario subirse a todas las olas tecnológicas. Lo importante es enfocarse en lo que realmente tiene sentido y aporta valor.
Sus redes son:
@fredi_vivas
@rockingdata
https://www.linkedin.com/in/fredidavidvivas/
