Stephen Snyder, director ejecutivo de CareCloud, dice que el año pasado contrató a un abogado que, en papel, no era su primera opción. Tenía menos experiencia que otros candidatos, pero respondió de forma concreta a una pregunta que cambió su forma de evaluar talento: «¿Cómo estás usando realmente la IA en tu trabajo diario?».
Según Snyder, los candidatos con trayectorias más largas hablaban en generalidades. En cambio, la persona que eligió describió flujos de trabajo reales, instrucciones específicas, límites del resultado y ajustes posteriores. Para Snyder, eso fue señal de que la IA ya formaba parte de su manera de trabajar, no solo de su discurso.
Un año después, afirma que ese abogado ahora negocia términos contractuales, redacta memorandos mejor sustentados y entrega trabajo a una velocidad que no esperaba a partir del currículum. A partir de esa experiencia, Snyder incorporó la pregunta a su proceso de selección.
Su conclusión es que dos profesionales con antecedentes similares ya no necesariamente hacen el mismo trabajo si uno integra IA para redactar, corregir y contrastar sus entregables. Dice que la diferencia se nota en la producción, en la velocidad y hasta en la calidad base. No lo atribuye a más inteligencia ni a mayor ética laboral, sino a mayor apalancamiento.
Snyder dice ver ese patrón en áreas como legal, finanzas, operaciones y ventas. En su experiencia, quienes incorporan herramientas de IA producen más y cometen menos errores obvios. También observa un segundo efecto: cuando parte del trabajo rutinario se comprime, queda espacio para formular mejores preguntas, como qué falta, qué supuestos se están haciendo o si existe una forma más simple de resolver el problema.
Ese espacio, sostiene, es especialmente valioso en puestos senior. Dice que antes tendía a pensar que la IA era una herramienta para niveles junior, mientras que los líderes debían concentrarse en juicio, relaciones y estrategia. Ahora cree lo contrario: cuanto más alto el cargo, más puede amplificar estas herramientas la experiencia existente.
Pero Snyder también advierte límites claros. Dice que la fluidez en IA es fácil de fingir y difícil de verificar. La verdadera señal, asegura, no es hablar bien del tema, sino mostrar evidencia de uso real: qué intentaba hacer la persona, qué introdujo, qué recibió y qué cambió.
También marca un riesgo: seleccionar confianza en el uso de la herramienta y no criterio para usarla. En su visión, premiar el entusiasmo por encima del discernimiento puede llevar a contratar personas que avanzan rápido, pero también importan errores a escala.
Por eso propone tratar la fluidez en IA como un multiplicador, no como la base. La base, dice, sigue siendo el juicio y la experiencia. La tecnología amplifica lo que ya existe, incluida la mala decisión.
La lectura de fondo es clara: el mercado laboral está castigando el talento que no sabe convertir la tecnología en productividad. La ventaja ya no está solo en acumular años de experiencia, sino en capitalizar herramientas que mejoran el margen de tiempo y calidad del trabajo.
Para las empresas, esto obliga a revisar cómo contratan y cómo capacitan. Para los candidatos, deja una señal incómoda pero útil: saber hablar de IA ya no basta; hay que demostrar que genera flujo de trabajo real. Capital busca reglas claras, y en este caso la regla parece simple: quien use mejor la IA, rinde más.
