Haz que el uso de IA cuente en las evaluaciones: un resultado, un momento de enseñanza

Abres tu documento de evaluación y escribes que usaste IA, pero la frase suena honesta, aunque débil. Un gerente que lo lee tiene que adivinar qué cambió, quién se benefició y si eso importa para el siguiente nivel. Ese es el problema de la fluidez en IA como reclamo profesional: la actividad es fácil de mostrar, pero el impacto es más difícil de demostrar.

Así que deja de recopilar nombres de herramientas y empieza a recopilar evidencia para la evaluación. Cada trimestre, mantén un archivo de evidencia de IA con un impacto medible antes/después, un momento de enseñanza y una declaración de resultado lista para la evaluación. Eso le da a un caso de ascenso algo concreto: un resultado y una señal de que elevaste la capacidad del equipo.

La actividad no es evidencia

Una lista de herramientas puede sonar impresionante, pero rara vez responde a la pregunta que hace quien evalúa: ¿qué cambió esto? Una nota, un informe más rápido o una hoja de cálculo ordenada solo cuentan cuando la diferencia es visible. Puede ser tiempo ahorrado, errores reducidos, tiempo de respuesta mejorado o una tarea completada que de otro modo habría esperado. La herramienta es el medio, y el resultado es la evidencia.

Los gerentes de Gusto clasifican a los empleados en cinco arquetipos de IA durante las evaluaciones trimestrales. El arquetipo observador describe a los empleados que aún no usan IA de forma independiente. El arquetipo integrador abarca a los empleados que usan IA en su jornada laboral regular y reportan resultados consistentemente mejores. El arquetipo amplificador abarca a los empleados que descubren nuevos usos de IA y comparten lo que aprendieron con sus compañeros.

Scott Helmes, director de personas de Gusto, dijo que el sistema de arquetipos de IA de la empresa está diseñado para hacer que la implementación de IA sea más consistente, no para actuar como un mecanismo de recompensa o castigo. Dijo que el sistema ayudó a la empresa a hablar de manera unificada sobre la fluidez en IA de los empleados. Gusto planea centrarse más de cerca en los resultados que los empleados producen con IA.

Tres elementos hacen que el uso de IA sea evaluable

El hábito trimestral es simple. Mantén una página con tres entradas. La lista es corta porque quien evalúa debería poder absorberla en una sola lectura. Cada elemento debe poder verificarse en un minuto; explícalo sin rodeos o sigue trabajando.

• Un impacto concreto antes/después. Escribe la tarea, la forma antigua, la forma nueva y el resultado. Expresa la diferencia en una sola frase.
• Algo que enseñaste. Nombra a la persona o grupo, la habilidad y la situación en la que la usaron. Un atajo compartido cuenta si cambió el comportamiento.
• Una declaración de resultado lista para la evaluación. Combina el impacto y el momento de enseñanza en una frase que un gerente pueda pegar en un caso.

El primer elemento te protege de la vaga afirmación sobre IA. El segundo muestra influencia, lo que separa a un colaborador fuerte de alguien listo para el siguiente nivel. El último hace el trabajo cuando la evaluación la escribe alguien que no estuvo en la reunión.

Haz que la declaración resista a un gerente escéptico

Una declaración de resultado lista para la evaluación debe sonar como un caso de ascenso. Necesita el rol, la tarea, el cambio asistido por IA, el resultado y las personas afectadas. Una declaración de una sola frase es evidencia. Tres matices la convierten en una anécdota.

Digamos que redujiste el tiempo para preparar una actualización de estado y le enseñaste a un compañero el mismo prompt. Eso da un impacto antes/después y un momento de enseñanza en una sola línea. No inflames el resultado; un resultado modesto y defendible es más útil que uno grande que invita al escrutinio.

Para un resultado cualitativo, nombra el comportamiento que cambió: respuestas más rápidas, menos ciclos de retrabajo, entregas más claras o una nueva opción que el equipo no podía usar antes. La parte humana también importa. La fluidez en IA también significa hacer que el equipo sea mejor decidiendo qué automatizar, qué revisar y qué mantener como tarea humana.

Un momento de enseñanza puede ser una breve demostración, una plantilla compartida o una nota que señala dónde la herramienta no debe ser confiada. Ese tipo de criterio es lo que un gerente puede llevar a una conversación sobre nivel, y la lista de verificación de una página le da al gerente una respuesta clara: ¿esto hizo que el trabajo fuera mejor, y puedes enseñarlo?