Qué red flags detectar en un candidato de IA

El error que casi todos cometen al evaluar un candidato de IA

En la mayoría de procesos de selección para un puesto de IA, el error empieza antes de la primera pregunta: se arma la entrevista para evaluar cuánta tecnología conoce el candidato, no cuánto negocio entiende. RRHH o el gerente que lidera la búsqueda llegan con una lista de herramientas (n8n, LangChain, agentes, RAG, fine-tuning) en la cabeza y consideran que dominar ese vocabulario es sinónimo de competencia.

El resultado es previsible. El candidato que más impresiona en la entrevista es el que mejor habla, no el que mejor piensa. Sale de la sala con una oferta en la mano y, seis meses después, el área que lo contrató sigue haciendo el mismo trabajo manual de siempre, con dos o tres automatizaciones sueltas que nadie mantiene y ningún indicador que se haya movido de verdad.

Esto no es un problema de falta de talento técnico disponible en el mercado. Es un problema de criterio de evaluación: se está buscando al que “sabe de IA” en vez de al que “resuelve problemas de negocio con IA”. Son perfiles distintos y, con frecuencia, ni siquiera se superponen.

Las banderas rojas que siguen no son una lista de errores técnicos. Son señales de que el candidato vende herramientas y jerga en lugar de criterio: no traduce lo que hizo al idioma del negocio, evita hablar de lo que no funcionó y responde todo en términos técnicos cuando la pregunta era sobre resultados.

Qué es una red flag en un candidato de IA (y qué no)

Antes de entrar al catálogo de banderas, vale la pena fijar qué es (y qué no es) una red flag en este contexto, porque el término se usa con demasiada ligereza en cualquier entrevista.

Una red flag no es sinónimo de “candidato malo”. Es una señal de riesgo que exige indagar más antes de decidir. Algunas, combinadas o repetidas, sí son motivo suficiente para descartar a alguien; otras solo piden una pregunta de seguimiento antes de sacar conclusiones.

• No tener años de experiencia en “IA” como título formal: el campo es nuevo, casi nadie lleva una década con ese cargo exacto en el currículum.
• No conocer una herramienta puntual: las herramientas cambian cada trimestre, el criterio para elegirlas y descartarlas no.
• Hablar en términos técnicos cuando la pregunta lo pide: el problema no es usar vocabulario técnico, es no poder salir de él cuando toca hablar de negocio.
• Tener un tono comercial en la entrevista: vender la propia candidatura es parte natural del proceso, siempre que detrás haya sustancia verificable.

Bandera 1 y 2: jerga sin traducción a negocio y ningún número que mostrar

Bandera 1: responde todo en jerga y no traduce al negocio

Pregúntale por un proyecto y la respuesta llega cargada de nombres de modelos, arquitecturas de agentes y protocolos de integración, pero nunca aterriza en qué cambió para el negocio. Es la bandera más común porque la jerga se aprende leyendo documentación y viendo videos; explicar el impacto en el negocio exige haber estado cerca de la operación real, con sus números y sus dolores.

• Por qué importa: la jerga técnica no distingue a quien resuelve problemas de quien solo configura herramientas; ambos pueden hablar igual de fluido en una entrevista.
• Cómo confirmarla: pídele que explique el mismo proyecto “sin usar la palabra modelo, IA ni agente, como si se lo contara a un gerente de operaciones”. Si no puede, la jerga era una cortina.
• Señal de alerta reforzada: cuando, al pedirle la traducción, responde con más jerga en vez de con menos.

Bandera 2: no puede nombrar un número que movió

Todo proyecto de IA con impacto real deja un rastro medible: horas ahorradas, tasa de error reducida, tiempo de respuesta, ingresos, costo por transacción. Si el candidato no puede nombrar ni un número concreto (aunque sea aproximado) que se haya movido con lo que implementó, lo más probable es que el impacto fuera marginal o que nunca hubo seguimiento después del lanzamiento.

• Por qué importa: sin número no hay evidencia, solo actividad. Nadie compra herramientas, la gente compra resultados, y un resultado que no se midió es indistinguible de uno que nunca existió.
• Cómo confirmarla: pregunta directo “¿cuál fue el KPI que se movió y cómo lo mediste?”. Exige el cómo, no solo el cuánto: revela si hubo diseño de medición desde el inicio del proyecto.
• Matiz: acepta rangos y aproximaciones (“bajamos el tiempo de respuesta de dos días a medio día”) como evidencia válida; exigir precisión decimal a un candidato es injusto en proyectos reales.

Bandera 3 y 4: cero fracasos reconocidos y promesas antes de ver el proceso

Bandera 3: nunca habla de un proyecto que salió mal

La implementación de IA en procesos reales es un terreno todavía joven, con datos sucios, resistencia del equipo y herramientas que cambian de versión cada pocos meses. Cualquier profesional con experiencia genuina en el campo tiene, al menos, un proyecto que no funcionó como esperaba. Si el candidato insiste en que todo le ha salido bien siempre, hay dos explicaciones posibles: no ha hecho lo suficiente para tropezar, o no está siendo honesto sobre lo que pasó.

• Por qué importa: la honestidad sobre los fracasos es el mejor predictor de criterio. Quien analiza bien lo que salió mal es quien evita repetir el mismo error en tu empresa.
• Cómo confirmarla: pide, sin rodeos, “cuénteme de un proyecto de IA que no funcionó como esperaba, qué pasó y qué cambió después de eso”.
• Señal de alerta reforzada: cuando la respuesta al fracaso le echa la culpa entera a “el cliente”, “el equipo” o “los datos”, sin ninguna autocrítica sobre el propio diagnóstico previo.

Bandera 4: promete resultados sin pedir ver el proceso ni los datos

Un candidato que ofrece cifras de mejora (“esto te puede ahorrar buena parte del tiempo del equipo”) antes de preguntar cómo funciona hoy tu proceso, qué datos existen y en qué estado están, no está diagnosticando: está vendiendo. La IA no reemplaza una mala decisión, la expone más rápido, y eso incluye la decisión de prometer sin mirar primero.

• Por qué importa: cualquier estimación seria de impacto depende del estado actual del proceso y de la calidad de los datos disponibles; sin esa información, la cifra es marketing disfrazado de diagnóstico.
• Cómo confirmarla: antes de que ofrezca números, pregúntale “¿qué necesitarías ver de mi operación antes de decirme qué se puede lograr?”. Si la respuesta es vaga o directamente la salta, la promesa anterior queda desnuda.
• Contraejemplo sano: un candidato sólido suele responder con más preguntas que promesas en la primera conversación.

Bandera 5 y 6: confundir actividad con resultado y despreciar a las áreas operativas

Bandera 5: confunde actividad con resultado

Enumerar herramientas usadas, flujos conectados o número de automatizaciones desplegadas es fácil de listar y suena a currículum robusto. Ninguno de esos datos dice, por sí solo, si el negocio quedó mejor. Este es exactamente el perfil del automatizador que cobra por conectar herramientas: confunde “configuré varios flujos” con “resolví un problema de negocio”. Si quieres ver cómo se ve la evolución de ese perfil hacia uno que sí razona en negocio, hay un recorrido completo en /recursos/roadmap-ia-de-automatizador-a-gerente-ia y en /contenido/de-automatizador-a-gerente-ia.

• Por qué importa: la actividad (herramientas usadas, tickets cerrados, flujos armados) mide esfuerzo, no impacto. Un buen perfil de IA se parece más a un gerente de operaciones que a un ingeniero: prioriza por dolor y ROI, no por cuántas piezas conectó.
• Cómo confirmarla: pregunta “más allá de qué herramienta usaste, ¿qué dejó de hacer manualmente el equipo, y qué ganó el negocio con eso?”. Si la respuesta vuelve a la herramienta, repite la pregunta una vez más antes de anotar la bandera.

Bandera 6: desprecia a las áreas operativas

Escucha cómo habla de las personas que ejecutan el proceso que él o ella pretende mejorar. Si se refiere a ellas con condescendencia (“la gente que no entiende de tecnología”, “el área que se resiste al cambio”), tienes una señal grave: quien no sabe trabajar con el equipo operativo no logra que ninguna implementación se sostenga después de que se va.

• Por qué importa: ningún sistema de IA sobrevive sin la adopción del equipo que lo usa a diario; el desprecio por ese equipo predice proyectos que funcionan en la demo y mueren en la operación.
• Cómo confirmarla: pregunta “¿cómo trabajaste con el equipo que hacía el proceso antes de automatizarlo?”. Escucha si describe un proceso de escucha y ajuste, o si describe una imposición desde arriba.

Cuáles de estas banderas descalifican y cuáles solo ameritan indagar más

No todas las banderas pesan igual. Tratarlas todas como motivo automático de descarte lleva a rechazar candidatos con potencial real por un mal día de entrevista; tratarlas todas como matices menores lleva a contratar al vendedor de jerga de siempre.

• Desprecio por las áreas operativas (bandera 6): es una señal de actitud, no de conocimiento, y la actitud no se corrige con un onboarding.
• Promesas de resultado sin pedir ver el proceso ni los datos (bandera 4): revela un reflejo de venta por encima de un reflejo de diagnóstico, incompatible con el criterio que este puesto exige.
• Fracasos negados con la culpa puesta siempre afuera (parte de la bandera 3): no es la ausencia de fracasos lo descalificante, es la falta de autocrítica cuando se le pregunta directo.

• Jerga sin traducción en la primera respuesta (bandera 1): dale una segunda oportunidad pidiendo explícitamente la traducción a negocio antes de descartar.
• No tener un número a la mano en el momento (bandera 2): puede deberse a que el rol anterior no medía bien, no necesariamente a que el candidato no piense en resultados; pide que lo estime después, con el permiso de su empleador anterior si aplica.
• Enumerar herramientas primero (bandera 5): puede ser un hábito de comunicación aprendido en una agencia técnica; redirige la pregunta antes de descartar al candidato.

Cómo se ve en la práctica

Una distribuidora mediana, alrededor de 70 personas, en Lima, contrató a un candidato que en la entrevista fue el más fluido de los cinco finalistas: hablaba con soltura de agentes, de integración con su ERP, de embeddings y de arquitecturas multiagente. El gerente general salió de la entrevista convencido de que había encontrado a “el que sabe de esto”.

El problema apareció en la primera semana real. Frente a la data desordenada del área comercial (hojas de cálculo con formatos distintos por vendedor, catálogos desactualizados, un CRM usado solo a medias), el candidato no supo por dónde empezar. Su experiencia previa había sido siempre sobre datos ya limpios, en proyectos donde otra persona había hecho el diagnóstico y él solo conectaba piezas.

Pasaron dos meses sin ningún indicador de negocio movido. La empresa había pagado un salario completo por un perfil que, frente a un problema real de proceso, se quedó esperando instrucciones. La dirección terminó trayendo a alguien externo solo para hacer el diagnóstico que el candidato debió hacer en la primera semana.

La lección no fue “la IA no funciona en esta empresa”. Fue que la entrevista había evaluado vocabulario en vez de capacidad de diagnóstico. En la siguiente contratación, la empresa cambió el filtro: pidió, antes que nada, un ejemplo de un proceso desordenado que el candidato hubiera tenido que ordenar antes de automatizar algo. El segundo candidato tenía menos jerga y más preguntas. En seis semanas, el área comercial tenía un proceso de seguimiento de cotizaciones limpio y medible por primera vez.

Mi criterio

Cómo saber si evaluaste bien a un candidato de IA

Evaluar bien a un candidato de IA no depende de cuánta tecnología conoces tú como entrevistador. Depende de si sabes qué preguntar y de si estás dispuesto a incomodar la conversación pidiendo evidencia en vez de conformarte con el discurso.

• Puede explicar un proyecto sin usar jerga técnica, en el idioma de tu negocio.
• Nombra al menos un número concreto que se movió con lo que implementó, y explica cómo lo midió.
• Reconoce, sin que se le presione demasiado, un proyecto que no funcionó y qué aprendió de eso.
• Pregunta por tu proceso y tus datos antes de prometer un resultado.
• Habla del equipo operativo con respeto, como el socio necesario para que cualquier implementación se sostenga.

Si el candidato pasa estos cinco filtros, tienes a alguien que probablemente piensa en negocio antes que en herramientas. Si falla en dos o más, sobre todo en las descalificatorias, el problema no se resuelve con una segunda entrevista: se resuelve buscando a otro candidato.