Ralun

Ralun / Guías de desempeño

Qué hacen de otra manera los profesionales de alto rendimiento con la IA y por qué obtienen los mayores beneficios

Isotipo oficial de RalunRalun · Lectura estimada: 24 min
CompartirLinkedInFacebook
Enlace

Selecciona el enlace y usa la opción Copiar de tu dispositivo.

Correo
Dos profesionales rediseñan un flujo de trabajo apoyados por IA; collage monocromo sobre papel con un trazo violeta.

Quienes aprovechan mejor la IA van más allá de la automatización: la utilizan para replantear los procesos de trabajo, tomar mejores decisiones y desarrollar nuevas capacidades.

Dos profesionales reciben acceso a la misma IA, pero quien aprende por cuenta propia descubre usos que cambian todo su proceso de trabajo.La investigación explica por qué esa diferencia amplía los beneficios y cómo las empresas pueden combinar herramientas comunes con descubrimientos del equipo.

La IA generativa ha dado lugar a dos visiones contrapuestas sobre qué trabajadores se beneficiarán más. Según una, la IA reducirá las diferencias de rendimiento al ofrecer a quienes tienen un desempeño más bajo plantillas, respuestas y orientación directamente en su flujo de trabajo. Según la otra, ampliará esas diferencias al eliminar tareas rutinarias pero necesarias, lo que permitirá a los profesionales de alto rendimiento dedicar más tiempo a actividades de mayor valor en las que ya tienen ventaja. En tareas individuales, tanto unos como otros pueden beneficiarse; la cuestión más importante es cuál de los dos efectos predomina en trabajos reales, donde las personas realizan conjuntos de actividades. La respuesta influye en cómo las empresas contratan, forman, organizan equipos y ajustan prácticas concebidas para la composición actual de su plantilla.

Dos integrantes del equipo de investigación son economistas especializados en tecnología; el tercero dirige una empresa que ayuda a las organizaciones a implantar IA en sus equipos de ingresos. Para estudiar los efectos de la IA en empresas punteras, nos centramos en las ventas, un ámbito útil para entender su efecto en puestos que combinan tareas rutinarias y decisiones que exigen mucho criterio. En nuestro estudio, cuyos resultados aún no se habían publicado en otro lugar, entrevistamos a ocho altos ejecutivos responsables de ingresos de un consejo asesor de una firma de capital riesgo, celebramos más de una docena de reuniones de asesoramiento con responsables de ventas y encuestamos a 236 profesionales de ventas de dos empresas, una de tecnología financiera y otra de verificación basada en IA.

Uno de los principales hallazgos es que, aunque la IA ayuda en general a los trabajadores, los mayores beneficios parecen corresponder a los profesionales de alto rendimiento, al menos en las empresas pioneras en su adopción. A continuación explicamos por qué. En pocas palabras, la IA ahorra tiempo, pero también permite a esos profesionales potenciar sus propias fortalezas. Para facilitarlo, los responsables deben abordar cuatro cuestiones: cómo contratar y entrevistar talento en la era de la IA; cómo rediseñar los puestos de entrada para que sigan formando una cantera de talento; cómo decidir qué capacidades de IA desarrollar y cuáles comprar; y cómo equilibrar la centralización del contexto con la descentralización del descubrimiento de nuevos usos. Aunque nos centramos en las ventas, la tensión de fondo —si la IA reduce principalmente las diferencias de habilidades o las amplía— probablemente aparecerá en otros puestos que combinan rutina y tareas que requieren criterio, desde la consultoría y la atención al éxito del cliente hasta el trabajo del conocimiento en general.

El auge de los autodidactas

¿Por qué obtienen más beneficios de la IA los profesionales de alto rendimiento?

Al comenzar, esperábamos una explicación sencilla: la IA automatizaría el trabajo rutinario y quienes rindieran más aprovecharían el tiempo liberado para atender más oportunidades comerciales, más cuentas o más conversaciones con clientes. Encontramos cierto respaldo a esa idea. En la encuesta, los representantes con mejor rendimiento ahorraban más tiempo que los de menor rendimiento. Además, los responsables indicaron que, tras adoptar la IA, asignaron tareas de mayor valor al 44 % de los representantes del cuartil superior, frente al 12 % de los del cuartil inferior.

Pero apareció un mecanismo más importante: quienes más rinden dominan mejor el uso —e incluso la creación— de herramientas de IA y las aplican a lo largo de todo el ciclo comercial, en lugar de limitarse a resolver cuestiones tácticas. Además de ahorrar tiempo en investigación, creación de contenidos y documentación, usan la IA como interlocutora para afinar la estrategia, aprender de interacciones anteriores, poner a prueba sus respuestas a las objeciones y ensayar negociaciones. Ese uso más amplio les ayuda a mejorar las tasas de cierre. Los responsables también tuvieron 16 puntos porcentuales más de probabilidad de comunicar mejoras de calidad entre los representantes del cuartil superior que entre los del inferior, lo que sugiere que esas ganancias no se produjeron a costa de la experiencia del cliente.

Podría pensarse que las herramientas para mejorar la preparación beneficiarían más a quienes rinden menos. Por ejemplo, se ha observado que los agentes de atención al cliente de menor rendimiento se benefician cuando las sugerencias de IA aparecen automáticamente en su pantalla durante las llamadas. Pero en ventas el proceso es diferente: los representantes deben elegir activamente las herramientas, diseñar los flujos de trabajo y familiarizarse con un conjunto de tecnologías que evoluciona con rapidez.

La alfabetización en IA es fundamental para los efectos sobre el rendimiento que observamos. En nuestra encuesta, los participantes calificaron tanto su dominio de la IA como los beneficios que habían obtenido de ella en una escala del 1 al 5. Cada punto adicional de dominio se asoció con un aumento medio de 0,71 puntos en los beneficios declarados. Ese dominio no equivale a una simple confianza en la IA, que presenta poca correlación con las ganancias observadas. Consiste en saber usar las herramientas existentes, aprender a utilizar otras nuevas, evaluar sus resultados, detectar errores y reconocer cuándo debe mantener el control una persona. La distinción importa porque las herramientas cambian demasiado deprisa para que una formación fija o los métodos tradicionales de aprendizaje abarquen los nuevos casos de uso.

Los profesionales de alto rendimiento no esperan a recibir formación ni a asistir a una demostración. Aprenden por su cuenta, lo que los sitúa en mejores condiciones para aprovechar la IA. Desarrollan sus conocimientos mediante pruebas, iteraciones rápidas, comparaciones con otras personas, comentarios e intercambio de información con sus colegas. En las respuestas de los responsables se repetían cuatro factores de éxito: el ejemplo de los directivos, el estímulo a la experimentación, el intercambio de conocimientos entre compañeros y los ejemplos concretos de usuarios avanzados.

En las entrevistas encontramos numerosos casos de profesionales de alto rendimiento que buscaban constantemente cómo mejorar sus habilidades fuera de la formación organizada por la empresa. Por ejemplo, un representante de una empresa de plataformas de verificación basadas en IA creó un asistente de negociación antes de que esas herramientas estuvieran ampliamente disponibles. Según la directora de operaciones de la empresa, ese uso creativo y adaptado a cada cuenta distinguía a los mejores del resto. Conforme evolucionaron las herramientas, sus representantes empezaron a generar mensajes muy personalizados para posibles clientes, a ejecutar flujos de trabajo para seguir una amplia cartera de cuentas y a detectar señales de los clientes. Según la misma directiva, la combinación de estas prácticas produce una diferencia medible en la generación de oportunidades comerciales y en la experiencia del cliente. De forma similar, en una empresa de tecnología financiera, una persona desarrolló durante un fin de semana una herramienta de IA porque le pareció útil; más tarde, la empresa la extendió.

Replantear la contratación y la cantera de talento

Si quienes aprenden por su cuenta son los que toman la delantera, las empresas deben buscar y desarrollar ese rasgo al contratar y diseñar puestos, en vez de fijarse únicamente en el «uso» de la IA. Según un responsable mundial del sector de software y plataformas de una consultora —ámbito que incluye las ventas—, los profesionales de primer nivel pueden aprender y desenvolverse en un entorno de IA que cambia rápidamente, mientras que otros necesitan formación y apoyo estructurados. Por eso resulta imprescindible evaluar la capacidad de adaptación. Los responsables no deberían limitarse a preguntar a los candidatos si «usan IA», sino cómo aprenden. Una entrevista útil debe indagar si la persona ha creado o mejorado un flujo de trabajo, comparado resultados de distintas herramientas, detectado un error, utilizado la IA para prepararse para un cliente concreto o decidido no usarla porque el contexto del cliente era demasiado delicado o las consecuencias de un fallo eran demasiado importantes. Esas preguntas desplazan la atención del conocimiento de una herramienta a la curiosidad y la capacidad de aprender de forma autónoma. También ayudan a identificar a quienes buscan mejores formas de trabajar y pueden explicar por qué mejoran los resultados. De hecho, quizá la recomendación más reveladora de las entrevistas fue la de un responsable que pide a los candidatos: «Compárteme la sesión de IA que usaste para preparar esta entrevista».

Además de la contratación, los responsables deben replantear los puestos de entrada que preparan a los empleados para cargos de mayor responsabilidad. El puesto de representante de desarrollo de ventas (SDR) ilustra el reto. Buena parte de su trabajo de prospección y generación de oportunidades es repetitivo y se rige por reglas, por lo que se presta a la automatización con IA. Pero también suele ser la puerta de entrada a una carrera comercial y una vía importante para llegar a un puesto de ejecutivo de cuentas. Ante este dilema, el director de ingresos de una empresa de tecnología financiera rediseñó el puesto: automatizó entre el 20 % y el 40 % del trabajo manual para que los SDR más ambiciosos pudieran utilizar el tiempo liberado y gestionar por sí mismos operaciones comerciales de principio a fin. Quienes seguían cumpliendo sus objetivos habituales y, al mismo tiempo, cerraban una cantidad determinada de esas operaciones ascendían automáticamente a ejecutivos de cuentas. Al no automatizar por completo la función, la empresa permitió que las personas en puestos de entrada aportaran valor mediante su diligencia y creatividad. Así pudo distinguir a quienes acabarían destacando con la ayuda de la IA de quienes dejarían que la IA dominara el proceso. El puesto rediseñado atrajo talento más sólido, aumentó los ascensos internos y aceleró la incorporación plena al trabajo.

Decisiones tecnológicas

La ventaja de los autodidactas no depende solo de una característica individual: también depende de las herramientas a las que pueden acceder los representantes y de la facilidad para combinarlas. Esto obliga a examinar el conjunto de tecnologías. El valor de la IA varía según las herramientas. Las empresas entrevistadas están racionalizando sus proveedores, reconstruyendo interfaces y decidiendo qué partes del flujo de trabajo requieren contexto propio. Antes, los representantes alternaban entre numerosas herramientas desconectadas: sistemas de gestión de relaciones con clientes, plataformas de inteligencia conversacional, herramientas de contacto comercial y datos de prospectos, hojas de cálculo, mensajería, portales de apoyo a ventas y paneles. Ahora los responsables crean una capa operativa más coherente que reúne en una sola interfaz los datos de distintos sistemas —información del CRM, transcripciones, uso del producto, contratos y datos públicos— para ofrecer un contexto comercial completo. Por ejemplo, la empresa de verificación evaluó aproximadamente 20 proveedores para una capa de centro de operaciones de IA que integrara en una sola ventana los múltiples sistemas usados por sus representantes.

¿Deben las empresas comprar nuevas herramientas o desarrollarlas internamente? Conviene comprar cuando la tarea es genérica, la solución disponible en el mercado está madura y la herramienta no necesita contexto exclusivo de la empresa. Según la exdirectora de ingresos y actual vicepresidenta de una de las empresas encuestadas, una plataforma de inteligencia conversacional ofrece buenas funciones para grabar llamadas y recomendar la mejor acción siguiente; su empresa no desarrollaría esas funciones por su cuenta. En cambio, sí crea herramientas cuando la tarea exige tratar datos sensibles, gestionar la complejidad del producto o aplicar lógica específica de su ámbito. La empresa de tecnología financiera hace una distinción parecida: las herramientas comerciales pueden ocuparse de tareas genéricas, como pasar notas a los campos del CRM, pero el valor diferencial procede de los datos y la lógica de negocio propios. La directora de operaciones de una plataforma de infraestructura para agentes y aplicaciones completas señaló que el buen desempeño de los agentes depende de una capa de datos bien estructurada, que recoja las definiciones particulares de la empresa sobre clientes, segmentos y potencial comercial.

Estos resultados provienen de empresas de vanguardia con amplios conocimientos de IA y recursos para desarrollar lo que necesiten. Otras quizá deban matizar más la decisión entre crear y comprar, teniendo en cuenta la experiencia interna, la complejidad, el riesgo de ejecución y el tiempo necesario para obtener valor. Según el responsable de la consultora, al evaluar el desarrollo interno hay que calcular el coste total de propiedad: tarifas de plataforma, costes de tokens, recursos de desarrollo y mantenimiento continuo. Esa evaluación debe hacerse caso por caso.

Centralizar el contexto y descentralizar el descubrimiento

Si los profesionales de alto rendimiento encuentran usos valiosos que un equipo central no habría previsto, surge otra cuestión operativa: ¿qué debe centralizarse y qué debe descentralizarse?

Las pruebas respaldan un modelo mixto. Las empresas deben centralizar la capa de contexto: datos, permisos, bases de conocimiento aprobadas, pruebas de evaluación, agentes preparados para producción, registros de herramientas y controles para la gestión de relaciones con clientes. La calidad de los agentes y el cumplimiento de las normas dependen de datos limpios, definiciones compartidas y sistemas robustos. Los riesgos que describen los representantes refuerzan la conveniencia de centralizar: respuestas contradictorias entre herramientas, contenidos inexactos generados por IA, bases de conocimiento desactualizadas y necesidad de supervisión humana.

En cambio, las empresas deben descentralizar el descubrimiento de nuevos usos. Los profesionales de alto rendimiento y los usuarios avanzados suelen detectar aplicaciones para clientes concretos que los equipos centrales no identificarían ni pondrían en marcha con suficiente rapidez. Las respuestas de la encuesta muestran que los equipos más destacados crean herramientas locales, celebran sesiones semanales para mostrar sus usos de la IA, comparten instrucciones entre compañeros y utilizan herramientas de programación asistida por IA para crear prototipos que un equipo central puede perfeccionar y extender a toda la organización.

Este modelo híbrido permite que los equipos que tratan con clientes descubran aplicaciones útiles y que, después, la empresa convierta en productos las que demuestren su valor. Eso implica integrarlas, protegerlas, medirlas, documentarlas, formar a las personas en su uso y retirar las duplicadas. Las empresas líderes están dando tres pasos: centralizar el contexto, descentralizar el descubrimiento y difundir o convertir en productos las mejores herramientas y respuestas.

La IA no se limita a sustituir el trabajo comercial ni iguala automáticamente el rendimiento: ofrece un impulso desproporcionado a las personas y organizaciones capaces de construir sistemas en torno a sus fortalezas. Las ganancias de productividad dependen de que los representantes y sus responsables transformen el tiempo ahorrado en un mejor conocimiento del cliente, estrategias comerciales más acertadas y un mejor ejercicio del criterio humano. La principal tarea de gestión consiste, por tanto, en decidir dónde debe automatizar la IA, dónde debe potenciar el trabajo de las personas y qué debe seguir bajo responsabilidad humana.

Luis Grau

Te dejo un desafío

Elige una tarea que hoy haces con IA y dibuja sus pasos de principio a fin. Identifica qué decisión o traspaso podrías mejorar, qué datos aprobados necesitarías y qué evidencia mostraría que el nuevo uso aporta valor.

CompartirLinkedInFacebook
Enlace

Selecciona el enlace y usa la opción Copiar de tu dispositivo.

Correo