En una empresa con la que colaboré, fui líder de un experimento que fue de los más interesantes que hice usando IA en Recursos Humanos.
No voy a compartir datos sensibles, y puede que haya cambiado algunos detalles para proteger la confidencialidad, pero te prometo que te gustará
¿Qué hicimos?
Analizamos los comentarios escritos en las evaluaciones de desempeño, tanto los que redactaban los managers como los de las self-reviews de los propios empleados.
📌 El famoso texto libre.
Ese que suele quedar relegado porque es “difícil de analizar”, porque lleva tiempo, o porque “total, nadie lo lee completo”.
Pero esta vez decidimos escucharlo en serio.
Y con IA, se puede hacer mucho más de lo que imaginas.
Usamos Chat GPT para procesar el texto.
Nada técnico, nada complejo.
Solo necesitábamos el contenido, una estructura básica, y buenas preguntas.
Lo primero que miramos fue la calidad del feedback, medida con dos variables simples:
Longitud del comentario
Si había comentario presente o si el manager o el empleado lo habían omitido.
Y los patrones empezaron a aparecer:
🔍 Los empleados con performance “por debajo de lo esperado” recibían comentarios más largos, pero menor proporción estaba presente.
Sus self-reviews también eran más breves o incompletas.
En cambio, los top performers tenían comentarios desarrollados y bien estructurados, tanto del manager como de ellos mismos.
Después analizamos los temas más mencionados por los managers como oportunidades de desarrollo:
A nivel general, por ejemplo, se podía destacar la comunicación como habilidad a desarrollar.
Pero al segmentar por nivel de performance:
A los top performers se les sugería delegar más o mejorar su influencia.
A los de menor rendimiento, mejorar en profundidad de análisis o cumplimiento de fechas.
También comparamos las percepciones entre managers y empleados.
🧭 Había diferencias claras.
Por ejemplo: empleados que creían haberse destacado en ciertos objetivos, mientras que el manager sentía que aún había mucho por trabajar.
Y pedimos algo más cualitativo:
📌 “Devuélveme 10 frases que definan a un top performer”, basado en texto real.
Nos ayudó a visualizar cómo era ese perfil en esa organización.
Y a pensar en cultura, onboarding y hasta procesos de selección.
Pero esto no se limita a performance reviews.
💬 También puede aplicarse a los comentarios abiertos de las encuestas de clima.
Muchos equipos se enfocan solo en los scores cuantitativos.
Pero el texto libre es una fuente riquísima de insights.
Con IA, podemos detectar temas emergentes:
Liderazgo,
Carga de trabajo,
Desconexión con el propósito,
Falta de oportunidades…
Y aún más importante:
podemos cruzarlo por país, equipo o seniority para entender dónde actuar primero.
El objetivo es convertir el “ruido” del texto libre en señales concretas para la acción.
No esperar a que los problemas se vuelvan visibles.
Detectarlos antes.
Si ya estás haciendo algo así en tu equipo, o si piensas empezar, me encantaría saberlo.
📩 Responde este mail y cuéntame.
¡Hasta la próxima!
Gabriel Pietrafesa
Cuando creas que es el momento
Quiero compartir algunas cosas más contigo. Puedes acceder a ellas haciendo clic en su nombre ⬇
Curso de 0 a 1 en People Analytics: Mi curso online de introducción a People Analytics. A tu ritmo, con ejemplos de casos reales y sin necesidad de conocimientos técnicos previos.
Plantillas de Dashboards para Recursos Humanos: Tu propio dashboard en 3 minutos. Copia y pega tus datos para que los gráficos se actualicen solos. RRHH, Reclutamiento ¡y más!
¡Nuevo! Aprende sobre datos en RRHH, jugando: Un juego diseñado para enseñar cómo leer, entender y usar datos en HR de forma simple y entretenida.
Genera tus KPI en humanresourceskpi.com : Mi herramienta con IA que permite crear tus KPI en solo 3 minutos, aplicable a cualquier equipo de Recursos Humanos.
▸ Si este email te agrega valor y quieres ayudar a otro colega de recursos humanos, reenvíaselo 🙂
▸ Si te han reenviado este correo, suscríbete con el siguiente botón verde para recibir más contenido y aprender People Analytics.