Su agente de RR. HH. dio la respuesta correcta. ¿Se comportó como exige su empresa? Cornerstone lo evalúa
Cornerstone lanzó Agent Ready para evaluar cómo ejercen su criterio los agentes de RR. HH. y atención al cliente, no solo su precisión. La conducta es una brecha que muchos programas no cierran.
Escuche este artículo · 5 min
Narración completa del artículo, generada con IA.
Un empleado pregunta al agente de RR. HH. de su empresa cuánto permiso puede tomar y menciona de pasada que está en tratamiento contra el cáncer. El agente cita correctamente la política de permisos y luego pregunta en qué fase está el cáncer para “personalizar la respuesta”. Todos los datos de su respuesta son correctos. Un profesional de RR. HH. que hiciera esa pregunta estaría al día siguiente en una reunión con el departamento legal.
La mayoría de las evaluaciones de agentes calificarían esa interacción como aprobada. Esa es la brecha que Cornerstone, la empresa de software de gestión del talento, puso en el punto de mira el 19 de octubre con Agent Ready.
Qué dice que hace Agent Ready
Cornerstone describe Agent Ready como una forma de exigir a los agentes de IA “los mismos estándares de conducta que a las personas en roles equivalentes”, en palabras de su Chief AI Officer, Guna Jayaraman. Evalúa cómo ejercen su criterio los agentes de RR. HH. y de atención al cliente en interacciones sensibles, y genera dos resultados: un registro documentado de evidencias y una especificación de remediación sobre la que los desarrolladores pueden actuar. Cornerstone afirma que funciona con cualquier agente de RR. HH. o de atención al cliente en cualquier plataforma.
Se lanzó junto con Workforce Planning, un producto para modelar habilidades, brechas y opciones de contratación, formación o automatización, y se presentó en HR Tech en Las Vegas y en UNLEASH en París. El anuncio no indica disponibilidad general, precios ni cómo se puntúan y validan los juicios de conducta.
| Situación | Una prueba de precisión comprueba | Una prueba de conducta comprueba |
|---|---|---|
| Solicitud de permiso que menciona una enfermedad | La política citada es correcta | No indaga en detalles médicos |
| Queja sobre un responsable | El proceso descrito es correcto | Lo deriva a una persona en lugar de resolverlo por su cuenta |
| Pregunta sobre el salario de un compañero | Las bandas salariales se indican correctamente | Se niega a revelar los datos de otra persona |
| Un cliente amenaza con cancelar | Las condiciones de la oferta son exactas | No promete lo que no puede autorizar |
Por qué la conducta necesita su propia evaluación
El estándar ya existe, para las personas. Toda empresa que emplea personal de RR. HH. o agentes de atención al cliente tiene expectativas de conducta: qué no preguntar, cuándo escalar, qué no prometer nunca, cómo tratar a alguien en situación de crisis. Estas viven en códigos de conducta, formación y el criterio de los supervisores. Los agentes desplegados en esos mismos roles heredan las expectativas, pero no la formación ni el supervisor.
Las métricas de precisión no pueden verlo. Las evaluaciones que ejecutan la mayoría de los equipos comparan respuestas con una referencia. Un fallo de conducta suele ser una respuesta correcta dada de la manera equivocada, en el momento equivocado o por la parte equivocada. Requiere escenarios específicos del rol, escritos con las personas que conocen el rol, y una rúbrica que puntúe el comportamiento.
En RR. HH., los fallos de conducta son exposición legal. Las preguntas sobre salud, planes familiares, religión u otras características protegidas, o el trato incoherente a empleados similares, pueden generar reclamaciones por discriminación, independientemente de si la información facilitada era precisa. En la UE, el Reglamento de IA (AI Act) clasifica como de alto riesgo los sistemas de IA usados para selección de personal y para decisiones sobre condiciones laborales, ascensos o despido (anexo III), lo que aplica en España. Un agente de RR. HH. que se desvía hacia la evaluación de personas ya no es un servicio de ayuda.
Qué preguntar antes de confiar en un evaluador de conducta
¿De quién es el estándar? Una rúbrica de conducta genérica es un punto de partida. La evaluación tiene que codificar sus políticas, sus rutas de escalado y sus jurisdicciones. Pregunte cómo se definen los estándares personalizados y quién los aprueba.
¿Cómo se evalúa al evaluador? La puntuación automática de conducta es un juicio que hace un modelo. Necesita el mismo tratamiento que cualquier juez LLM: calibración con revisores humanos, desacuerdo medido y una comprobación de que no recompensa al agente por ser evasivo. Como descubrió AWS con sus propios agentes de ventas, un agente puede estar sano en todas las métricas y aun así estar equivocado hasta que la evaluación mide lo que importa al negocio.
¿Cuándo se ejecuta? La conducta se desvía cuando cambian el modelo, el prompt o las herramientas. Una evaluación ejecutada una vez antes del lanzamiento es un certificado; una ejecución en cada versión es un control. Los agentes en segundo plano, como los agentes de Workday que nadie invoca, son los que más lo necesitan, porque nadie vigila cada interacción.
¿Qué ocurre con la evidencia? Un registro documentado de evidencias es valioso si llega a algún sitio: al propietario del agente, a la aprobación del cambio para la próxima versión y a la dirección de RR. HH. como parte de cómo se supervisa el agente. No sustituye esa supervisión. Una puntuación de conducta es evidencia para una decisión de gobernanza humana, no la decisión en sí.
Cornerstone también cita una investigación propia según la cual solo el 28% de las iniciativas de IA entregan plenamente el ROI esperado y el 80% de los fallos se deben a la preparación organizativa más que a la tecnología. Son cifras de un proveedor. El punto que respaldan es razonable de todos modos: la parte difícil de poner un agente en un rol humano es definir el rol, incluido cómo se espera que se comporte.