Sin aprendizaje no hay adaptación y sin ROI no hay inversión. Los tiempos que corren hacen más cierta la realidad de ambas variables porque la disrupción de los cambios exige dotar de presupuesto, y no poco, a las acciones de formación corporativa. La cuestión es que obtenerlo necesita de narrativa de impacto y ahí es donde entra otra transformación, la de los KPI de retorno, porque quedarse en las tradicionales métricas de actividad no augura obtenerlo.
El aprendizaje y el trabajo están convergiendo en una única línea temporal y espacial gracias a la tecnología y a las nuevas metodologías de formación. Y este debería ser el inicio de la reflexión de los profesionales del aprendizaje y desarrollo: ya no se trata de cómo preparar a las personas para el futuro del trabajo, sino cómo hacer que el trabajo sea el motor de su preparación. El futuro del aprendizaje no consiste en añadir más formación sobre el trabajo, sino de rediseñar el trabajo mismo para que sea inherentemente desarrollador. En este paradigma, las métricas tradicionales ya no reflejan el impacto real.
Adiós, métricas tradicionales; hola, datos en el flujo de trabajo
Los CLO deben dejar de centrarse en medir la actividad aislada para centrarse en los resultados y eso significa, no que abandonen, sino que repiensen y complementen métricas como:
- Horas de aprendizaje.
- Finalización de cursos.
- Encuestas de satisfacción.
- Comentarios posteriores a la formación.
La pregunta clave ha cambiado drásticamente: ya no es «¿cuántas personas completaron un curso?» o «¿Cuántas horas dedicó alguien a aprender?», sino «¿cómo está permitiendo el aprendizaje que la organización se adapte, innove y crezca?».
Para demostrar el impacto organizacional de la creación de habilidades, los CLO deben «tomarse en serio los datos» y construir sistemas que proporcionen información en tiempo real sobre cómo los empleados están desarrollando capacidades mientras trabajan. Así lo advierte McKinsey en el informe «The future of CLO: leading on a world of merged work and learning», en el que recomienda redefinir las métricas para crear paneles dinámicos en tiempo real que midan la competencia y el desarrollo de habilidades directamente en la ejecución del trabajo.
Esto se logra mediante la construcción de tres sistemas de medición esenciales:
1. Seguimiento de habilidades en el flujo de trabajo: En lugar de evaluaciones estáticas, hay que enfocarse en datos en tiempo real, como resultados de proyectos, datos de rendimiento y circuitos de retroalimentación, para medir la progresión de habilidades a medida que ocurre.
Ejemplo: Equipos de software y planificación de sprints – En las empresas de software-as-a-service de rápido crecimiento, la planificación de sprints (utilizando herramientas como Jira o Linear) es un ritmo operativo diario.
- Antigua métrica: Horas dedicadas a un curso de gestión de proyectos.
- Nueva métrica: Un sistema de coaching inteligente incrustado en el panel de tareas. Cada tarea está etiquetada con capacidades (como priorización o visión del cliente) y el sistema rastrea cómo los miembros del equipo construyen esas habilidades a lo largo del tiempo. El sistema actúa como un coach que identifica patrones de crecimiento o estancamiento y ayuda a asignar tareas desafiantes (stretch assignments) que amplíen el conjunto de habilidades, haciendo que la planificación de sprints sea un proceso de entrega de productos y una herramienta de desarrollo de liderazgo simultáneamente.
2. Generación de datos de práctica estructurada: Las experiencias de aprendizaje han de ser diseñadas para generar datos estructurados y significativos sobre el nivel de habilidad de un individuo y cómo evoluciona a través de la práctica deliberada.
Ejemplo: Incorporación de ingenieros de software – Para construir habilidades de juicio esenciales en los ingenieros de software recién contratados, los programas de onboarding pueden incluir ejercicios cortos que imitan cambios de código reales, donde deben identificar problemas (como lógica poco clara o pruebas insuficientes).
- Antigua métrica: Tasa de finalización del programa de onboarding.
- Nueva métrica: Un coach de IA proporciona retroalimentación personalizada e instantánea. El sistema captura datos estructurados a lo largo del tiempo (por ejemplo, la precisión con la que los recién llegados detectan problemas). Estos datos agregados permiten a los líderes de aprendizaje y a los gerentes ajustar el onboarding para garantizar que aumente las habilidades de los empleados de manera efectiva.
3. Construcción de sistemas dinámicos de inteligencia de habilidades: Es crucial integrar datos de diversas fuentes organizacionales (plataformas de aprendizaje, resultados de proyectos, revisiones de desempeño, e incluso tendencias externas del mercado laboral) para obtener una visión holística de las capacidades de la fuerza laboral.
Ejemplo: Habilidad de juicio en adquisiciones (Procurement) – En las funciones de adquisiciones, el juicio (saber cuándo ceder, cuándo presionar y cómo leer las intenciones en negociaciones complejas) es una habilidad fundamental. Los resultados se registran, pero la riqueza del juicio a menudo se pierde.
- Nueva métrica: Se añade un «motor de reflexión» habilitado por tecnología al sistema de adquisiciones. Después de registrar una negociación, el sistema solicita una reflexión a tiempo, preguntando: «¿Cuál fue tu intercambio más difícil en esta negociación?». Con el tiempo, la plataforma identifica patrones en el enfoque del profesional sobre la influencia y la toma de decisiones, creando una nueva corriente de datos de insights de desarrollo y convirtiendo un flujo de trabajo central en una herramienta de desarrollo intencional.
Las tres nuevas métricas estratégicas del impacto
Al integrar el aprendizaje en el flujo de trabajo, los CLO pueden centrar su atención en tres métricas estratégicas que miden el impacto real del desarrollo de habilidades en el rendimiento organizacional:
- Progresión de habilidades en contexto: Rastrear si las habilidades no solo se han adquirido, sino también si se están aplicando para ofrecer resultados en entornos dinámicos y de alto riesgo. Los líderes deben centrarse en datos en tiempo real, como resultados de proyectos, datos de rendimiento y circuitos de retroalimentación, en lugar de evaluaciones estáticas, para medir la progresión de habilidades a medida que ocurre. Por ejemplo, se puede hacer seguimiento de cómo los miembros de un equipo construyen habilidades como la priorización o la visión del cliente a lo largo del tiempo utilizando herramientas de trabajo diario.
- Agilidad organizacional: Medir la eficacia con la que el aprendizaje permite a la organización responder al cambio. Esto implica utilizar la visibilidad de las habilidades y el desarrollo rápido para reasignar talento, girar hacia nuevas oportunidades y escalar capacidades a medida que cambian las demandas.
- Resultados empresariales tangibles: Vincular directamente los esfuerzos de desarrollo de habilidades con indicadores de rendimiento dentro de los flujos de trabajo del negocio. Las métricas deben mostrar cómo el desarrollo contribuye a resultados medibles, como una mayor satisfacción del cliente, un tiempo de comercialización más rápido o una mayor eficiencia operativa.
Al pivotar hacia estas nuevas métricas centradas en el impacto, el aprendizaje se transforma de una actividad aislada a una herramienta estratégica y dinámica que permite a la organización prosperar en un entorno de cambio constante.
La nueva visualización de los nuevos datos
No sólo basta con transformar las métricas sino también la forma en que se presentan y qué posibilidades ofrece para interpretarlas. En este sentido, los nuevos esquemas apuntan hacia:
• El rastreo de las habilidades en el flujo de trabajo, utilizando tableros dinámicos en tiempo real para medir la competencia y el desarrollo de habilidades directamente en la ejecución del trabajo.
• La generación de datos de práctica estructurada mediante el diseño de experiencias de aprendizaje (como ejercicios que imitan cambios de código reales para ingenieros) que generen información sobre el nivel de habilidad de un individuo y cómo evoluciona a través de la práctica deliberada,.
• La construcción de sistemas dinámicos de inteligencia de habilidades que integren datos de múltiples fuentes organizacionales (plataformas de aprendizaje, resultados de proyectos, revisiones de rendimiento y tendencias del mercado laboral) para obtener una visión holística de las capacidades de la fuerza laboral.
