Conversar no es evaluar ¿Qué hace falta para convertir una conversación en evaluación?

El verdadero reto nunca fue desarrollar una inteligencia artificial capaz de conversar.

Fue hacer explícito el conocimiento científico que permite confiar en esa conversación.

Toda innovación importante comienza cuando descubrimos que llevábamos años respondiendo a la pregunta equivocada. Eso es exactamente lo que está ocurriendo con la inteligencia artificial aplicada a la evaluación del talento. Durante los últimos años nos hemos preguntado si la inteligencia artificial sería capaz de analizar currículums, realizar entrevistas, identificar competencias o recomendar decisiones sobre personas. La velocidad con la que han evolucionado los grandes modelos de lenguaje ha hecho que muchas de esas preguntas hayan dejado de pertenecer al futuro para instalarse en nuestro presente.

Pero detrás de esas posibilidades tecnológicas permanece la pregunta que realmente importa a quienes trabajan con el talento:

¿De qué es capaz una persona, especialmente cuando lo que sabía ayer ya no basta para responder a los desafíos de mañana?

Responder con rigor a esa pregunta exige algo más que mantener una buena conversación. Exige saber qué debemos observar en ella, qué información puede considerarse evidencia de una competencia, cómo interpretar esa evidencia y cuándo resulta suficiente para sostener una conclusión sobre una persona. Ahí apareció la pregunta que acabaría orientando nuestro trabajo:

¿Qué ha sido necesario hacer explícito para que una conversación pueda convertirse en un instrumento científicamente válido de evaluación?

Esta pregunta desplaza el centro de gravedad del problema. La capacidad de conversar pertenece a las posibilidades que abre la tecnología. Convertir esa conversación en evidencia sobre las competencias de una persona nos conduce directamente a la ciencia de la evaluación. Y es precisamente en la conexión entre ambas donde comienza la innovación.

Desde que McClelland publicara en la década de 1970 su conocido trabajo sobre competencias, hemos desarrollado múltiples procedimientos para evaluarlas: entrevistas, cuestionarios, assessment centers, pruebas situacionales y otras metodologías que permiten apoyar decisiones relevantes sobre selección, desarrollo o promoción profesional.

Todos ellos comparten una característica esencial: observamos determinadas manifestaciones de la persona para obtener evidencias a partir de las cuales inferimos el grado de desarrollo de una competencia. Las competencias son constructos latentes; no podemos observar directamente el pensamiento crítico, la autorregulación o la capacidad de aprendizaje. Observamos decisiones, razonamientos, prioridades, comportamientos y formas de afrontar situaciones concretas, y a partir de ellos construimos una inferencia.

En los procedimientos tradicionales, una parte importante del conocimiento necesario para realizar esa inferencia reside en los propios profesionales de la evaluación. Su experiencia les permite reconocer qué merece ser explorado, distinguir indicios relevantes, formular nuevas preguntas, integrar información procedente de distintas fuentes y determinar cuándo disponen de evidencia suficiente para sostener una conclusión.

La inteligencia artificial cambió las condiciones del problema. La posibilidad de mantener conversaciones complejas y adaptativas abría una oportunidad extraordinaria para la evaluación del talento a escala, pero exigía convertir en explícito aquello que el juicio profesional podía manejar, al menos parcialmente, de forma implícita.

Conseguir que una inteligencia artificial mantuviera una conversación dejó pronto de ser el principal desafío. La cuestión decisiva era determinar qué significado evaluativo podía atribuirse a esa conversación. Conversar no es evaluar. Conversar puede proporcionar información muy valiosa sobre una persona; evaluar exige, además, establecer qué constituye evidencia, cómo debe interpretarse, qué inferencias permite sostener y bajo qué condiciones esas inferencias pueden considerarse suficientemente fundamentadas.

Cuanto más avanzaban las posibilidades de la tecnología, más necesario resultaba explicitar el conocimiento que permite transformar una conversación en evaluación. El reto consistía en representar de forma estructurada aquello que necesitamos saber sobre las competencias, las evidencias que permiten inferir su nivel de desarrollo y las reglas que conectan unas con otras, de manera que ese conocimiento pudiera ser utilizado de forma consistente y escalable.

Ese fue nuestro verdadero punto de partida: hacer explícitos los fundamentos científicos de la evaluación para que las posibilidades abiertas por la inteligencia artificial pudieran utilizarse con rigor, transparencia y confianza.

Cuando la inteligencia artificial obliga a hacer visible el conocimiento

Responder a la pregunta de qué conocimiento debía hacerse explícito para convertir una conversación en evaluación nos llevó directamente a las competencias. Una definición permite comprender qué significa una competencia, pero resulta insuficiente para evaluarla: necesitamos determinar cómo puede manifestarse, qué debemos observar y qué evidencias permiten sostener una inferencia sobre su nivel de desarrollo.

Durante décadas, los modelos competenciales han descrito el talento con enorme utilidad para organizaciones y profesionales. El nuevo desafío exigía avanzar un paso más: construir una representación del conocimiento que hiciera evaluables esas competencias.

Esto implicaba trabajar en dos niveles simultáneamente. En primer lugar, era necesario explicitar la arquitectura interna de cada competencia: las dimensiones que la configuran, su progresión en niveles de dominio y las unidades evaluables que permiten operacionalizarla y reconocer su manifestación a través de evidencias observables. En segundo lugar, había que articular todas las competencias dentro de una arquitectura global capaz de preservar la coherencia del modelo, delimitar conceptualmente sus componentes, evitar solapamientos y permitir la incorporación de nuevas competencias sin perder consistencia.

La arquitectura de una competencia y la arquitectura del modelo completo pasaban así a formar parte del mismo problema de evaluación.

A partir de ahí apareció una segunda cuestión. Una conversación no trabaja directamente con definiciones de competencias; produce información sobre lo que una persona decide, argumenta, prioriza, anticipa o hace ante una determinada situación. Parte de esta información adquiere valor evaluativo cuando es observable, relevante para la competencia que queremos evaluar y permite sostener una inferencia sobre su nivel de desarrollo. En eso consiste, precisamente, una evidencia.

Este cambio de perspectiva modificó también nuestra manera de entender la conversación. Tradicionalmente hemos buscado mejorar la calidad de la evaluación mediante preguntas más estructuradas, homogéneas y comparables. Una conversación adaptativa permite seguir otro camino: las preguntas pueden variar en función de lo que va apareciendo, mientras el criterio de comparación permanece anclado en las evidencias que necesitamos obtener.

La unidad de comparación deja de ser la pregunta o el ítem. Pasa a ser la evidencia.

Dos personas no necesitan responder exactamente a las mismas preguntas para aportar información relevante sobre una competencia. Necesitan aportar evidencias comparables respecto de aquello que pretendemos inferir. De este modo, cada intervención de la conversación adquiere un propósito evaluativo: obtener información relevante, reducir incertidumbre, contrastar una hipótesis o explorar aspectos todavía insuficientemente observados hasta determinar si existe evidencia suficiente para sostener una conclusión.

Y entonces apareció un tercer desafío. Si cada conversación sigue un recorrido diferente, ¿cómo demostrar que las conclusiones siguen siendo comparables?

En los procedimientos tradicionales de evaluación, buena parte de la validación se ha articulado alrededor de instrumentos relativamente estables: un test, un cuestionario, una prueba situacional o una entrevista estructurada. Una conversación adaptativa introduce una dificultad adicional: el recorrido puede cambiar de una persona a otra mientras la inferencia final debe seguir siendo consistente y defendible.

Era necesario acumular evidencias sobre el funcionamiento del sistema completo: la representación de las competencias, la capacidad de la conversación para obtener evidencias relevantes, las reglas que permiten interpretarlas y la consistencia de las inferencias que construimos a partir de ellas.

La validación dejaba de ser un sello de calidad para convertirse en una forma de pensar.

La validación adquiría así un papel diferente. Cada decisión metodológica debía poder justificarse, cada inferencia debía ser trazable y cada modificación del sistema requería nuevas evidencias sobre su funcionamiento. La validación pasaba a convertirse en un proceso continuo de acumulación de evidencias.

Y cuando parecía que el recorrido había terminado apareció la última pregunta, hasta ahora. Quizá la más importante de todas.

Una evaluación puede disponer de evidencias suficientes de validez y ser técnicamente impecable. Pero ¿es suficiente para utilizarla?

La inteligencia artificial hizo especialmente visible una cuestión que siempre había formado parte de la evaluación. Una inferencia puede estar científicamente fundamentada y, aun así, su utilización exige considerar cómo afecta a las personas: qué información se obtiene, con qué finalidad se utiliza, cómo pueden comprenderse las conclusiones, qué posibilidades existen de revisarlas y qué límites deben establecerse sobre las decisiones que pueden apoyarse en ellas.

La validez permite fundamentar la confianza en las inferencias que realizamos. La legitimidad incorpora una pregunta adicional: bajo qué condiciones resulta aceptable utilizar esas inferencias para tomar decisiones que afectan a las personas.

Así, la evaluación conversacional basada en inteligencia artificial nos llevó desde la pregunta por la validez de las inferencias hasta una cuestión más amplia sobre las condiciones científicas y éticas que deben gobernar su utilización.

Cuando las ideas se convierten en un modelo

Todo recorrido científico tiene un momento decisivo: el instante en el que una reflexión deja de ser una hipótesis para traducirse en una manera diferente de actuar.

Ese recorrido cristalizó en el desarrollo de WISELOOK, concebido como una respuesta a una pregunta especialmente exigente:

¿Es posible transformar una conversación adaptativa en un proceso de evaluación científicamente defendible, escalable y legítimo?

Responder a esa pregunta exigía integrar en un mismo sistema todo lo que el recorrido anterior había ido haciendo explícito: una representación estructurada de las competencias y de las relaciones entre ellas, criterios para identificar evidencias relevantes, reglas para transformarlas en inferencias, un proceso continuo de validación y un marco de gobernanza que estableciera las condiciones para su utilización responsable.

La inteligencia artificial hizo posible llevar esa arquitectura a la conversación. Su capacidad para interpretar el desarrollo de una interacción, adaptar las preguntas a la información que va apareciendo y explorar aquello sobre lo que todavía existe incertidumbre permite obtener evidencias mediante recorridos diferentes sin perder de vista qué necesitamos conocer para sostener una inferencia.

WISELOOK surge precisamente de la integración de dos capacidades: una arquitectura científica que determina qué necesitamos conocer y cómo podemos fundamentar una inferencia, y una tecnología capaz de utilizar ese conocimiento de forma conversacional, adaptativa y escalable.

El resultado permite hacer operativo un conocimiento que hasta ahora permanecía distribuido entre la psicología, la psicometría, los modelos competenciales, la experiencia profesional y la práctica evaluativa. Un conocimiento que puede representarse, aplicarse de manera consistente, someterse a validación y evolucionar a medida que incorporamos nuevas evidencias.

Desde esta perspectiva, el valor de WISELOOK reside en la integración entre conocimiento científico y capacidad tecnológica. La inteligencia artificial amplía radicalmente las posibilidades de interacción y escala; la arquitectura científica proporciona la estructura necesaria para que la información obtenida pueda adquirir significado evaluativo.

Quizá por eso el reconocimiento recibido por WISELOOK en la HR Startup Competition puede leerse más allá del desarrollo de una nueva herramienta tecnológica. Reconoce una forma de utilizar la inteligencia artificial para abordar uno de los problemas centrales de la evaluación del talento: transformar información sobre las personas en inferencias suficientemente fundamentadas, trazables y legítimas para apoyar decisiones.

El verdadero futuro de la evaluación

Cuando aparece una nueva tecnología solemos preguntarnos qué procesos automatizará, qué tareas realizará mejor o hasta dónde podrán llegar sus capacidades. Con la inteligencia artificial hemos seguido ese mismo camino. Pero su incorporación a la evaluación del talento está produciendo también otro efecto: nos obliga a comprender con mucha mayor precisión procesos que durante años hemos dado por supuestos.

Eso es precisamente lo que ha ocurrido durante el desarrollo de WISELOOK. La posibilidad tecnológica de mantener conversaciones complejas, adaptativas y a escala nos ha obligado a explicar qué significa realmente una competencia, qué constituye una evidencia, cómo se construye una inferencia, cómo podemos acumular evidencias sobre su validez y bajo qué condiciones resulta legítimo utilizarla para tomar decisiones que afectan a las personas.

En ese recorrido, tecnología, ciencia y ética desempeñan funciones diferentes y complementarias. La tecnología amplía lo que podemos hacer. La ciencia proporciona el conocimiento y las evidencias que permiten fundamentar las inferencias. La ética establece las condiciones bajo las cuales resulta legítimo utilizarlas.

De su integración surge aquello que cualquier sistema de evaluación necesita para generar valor: confianza.

Una confianza que no procede de la sofisticación de la tecnología por sí misma, sino de nuestra capacidad para explicar cómo funciona la evaluación, justificar las inferencias que produce, acumular evidencias sobre su funcionamiento, garantizar la trazabilidad del proceso evaluativo y establecer principios claros para su utilización.

Quizá ahí se encuentre uno de los grandes retos para la evaluación del talento durante los próximos años. La inteligencia artificial continuará evolucionando, aparecerán modelos más potentes y las posibilidades de interacción serán cada vez mayores. Los sistemas de evaluación deberán evolucionar con ellos, preservando aquello que permite confiar en sus resultados incluso cuando cambie la tecnología que los hace posibles.

WISELOOK nace precisamente en ese punto de encuentro. La inteligencia artificial hizo tecnológicamente viable una forma de evaluación conversacional difícilmente imaginable hasta hace pocos años. Su desarrollo ha exigido, al mismo tiempo, construir las condiciones científicas, metodológicas y éticas necesarias para convertir esa posibilidad tecnológica en un sistema de evaluación.

Quizá dentro de unos años recordemos esta etapa como el momento en que la inteligencia artificial amplió radicalmente nuestra capacidad para conversar con las personas y, al hacerlo, nos obligó a explicar con mucha mayor precisión cómo obtenemos evidencias, cómo construimos inferencias y por qué podemos confiar en ellas.

Porque detrás de cada conversación puede haber información. Detrás de cada evaluación debe haber conocimiento, evidencia y responsabilidad.

Y detrás de cada inferencia sigue existiendo una persona, una vida profesional y una oportunidad.

Nota:rrhhdigital.com