CodeSignal lanza Agentic Skills Intelligence para evaluar las competencias a partir del trabajo cotidiano

Una empresa puede saber quién ha completado un curso, adoptado un asistente de IA o desempeñado un cargo concreto sin saber qué tan bien puede realizar el trabajo que tiene por delante. CodeSignal busca cubrir esa brecha con Agentic Skills Intelligence, una nueva oferta que evalúa el trabajo de los empleados y vincula los perfiles de competencias resultantes con prácticas y orientación personalizadas.

Anunciada como disponible de forma general el 28 de octubre, la plataforma utiliza agentes especializados para evaluar el trabajo a partir de los sistemas que los empleados ya usan, en lugar de recurrir a autoevaluaciones o palabras clave en un currículum. CodeSignal afirma que el objetivo es ofrecer a los directivos una visión de las competencias de la plantilla que se actualice continuamente y una forma de abordar las brechas que revele esa visión.

El lanzamiento amplía el negocio de evaluación y aprendizaje de la empresa para integrarlo en el flujo del trabajo cotidiano. Su valor potencial reside en conectar tres actividades que suelen mantenerse separadas: recopilar pruebas de las capacidades, determinar dónde hace falta desarrollar competencias y ayudar a los empleados a mejorar.

Evaluar el trabajo con una rúbrica de competencias estructurada

En su anuncio, CodeSignal menciona sistemas como Gong, Salesforce, GitHub, Cursor, Claude, ChatGPT, Workday, Greenhouse y Google Workspace como fuentes de trabajo que sus agentes pueden evaluar. El trabajo se califica con rúbricas estructuradas basadas en la psicología industrial y organizacional, disciplina que estudia el comportamiento y el desempeño en el entorno laboral.

La empresa presenta este proceso como una medida más directa de las competencias que inferirlas a partir de un cargo, una evaluación del desempeño o un curso completado. El trabajo de un empleado se convierte en evidencia para elaborar un perfil de competencias que puede actualizarse a medida que se dispone de nuevos trabajos.

CodeSignal cita más de 21 millones de evaluaciones de competencias completadas en toda su plataforma como antecedente de su método de evaluación. Se trata de una cifra acumulada de la plataforma, no del número de empleados que ya ha evaluado este producto recién anunciado.

La distinción entre evidencia e inferencia es útil, pero no elimina la necesidad de criterio. Una muestra de trabajo debe revelar realmente la competencia que se está evaluando, y la rúbrica debe ser adecuada para la tarea. Por ejemplo, un buen resultado obtenido con ayuda de la IA plantea preguntas sobre qué capacidades se demostraron: redactar una solución inicial, dirigir a un asistente, comprobar sus resultados o combinar eficazmente esas actividades.

Por eso, los criterios de evaluación subyacentes son tan importantes como el número de sistemas conectados. Más datos del entorno laboral pueden ampliar la cobertura, pero no hacen automáticamente visible cada competencia ni permiten determinar cuánto aportó una persona a un resultado colaborativo.

Conectar las brechas de competencias con prácticas personalizadas

El componente de desarrollo de Agentic Skills Intelligence utiliza Cosmo, el tutor de IA de CodeSignal, para ofrecer prácticas contextualizadas. El ciclo propuesto consiste en identificar una brecha de competencias, brindar al empleado oportunidades pertinentes para practicar y, después, hacer un seguimiento de la mejora de sus competencias.

Las Learn Academies que CodeSignal ya ofrece sirven de contexto para este enfoque. Combinan cursos, práctica aplicada y evaluaciones integradas en programas guiados, y Cosmo ofrece comentarios durante el aprendizaje. El énfasis está en aplicar una competencia y comprobar los avances durante el proceso.

Los cursos de negocios de la empresa amplían las prácticas más allá de la programación e incluyen actividades como conversaciones con clientes, tareas de redacción y análisis financiero. Ese alcance más amplio es importante para un producto dirigido a la fuerza laboral: desarrollar competencias puede implicar practicar un discurso de ventas o ejercitar el criterio directivo, además de resolver un problema técnico.

Por ejemplo, un responsable de ventas podría usar el nuevo sistema para identificar en qué aspectos necesita ayuda un equipo para presentar un producto y, luego, asignar prácticas adaptadas a esos empleados. CodeSignal presenta este caso como un posible uso de la plataforma, no como un resultado de clientes revelado con el lanzamiento.

Para los empleados, el resultado útil sería una trayectoria de desarrollo concreta. Una puntuación resulta más útil cuando explica qué debe mejorar la persona y conduce a un ejercicio que aborda esa necesidad. La eficacia del producto dependerá de qué tan bien funcione esa conexión en distintos puestos y tipos de trabajo.

Medir las competencias en IA más allá de las cifras de adopción

CodeSignal también presenta el producto como una forma de examinar si la inversión en IA se traduce en un mejor trabajo. En su anuncio cita una investigación de la empresa según la cual, durante el último año, el 84% de las organizaciones aumentó su inversión en software de IA y el 79% incrementó la formación en IA, mientras que el 79% no pudo medir el rendimiento de esa inversión. También informa que seis de cada 10 directivos toman decisiones importantes sobre el talento basándose en conjeturas y que el 66% de los empleados afirma que sus competencias nunca se han evaluado formalmente.

Estos son resultados comunicados por CodeSignal. El comunicado proporcionado no incluye el tamaño de la muestra ni la metodología de la encuesta, por lo que las cifras deben entenderse como contexto de la tesis de producto de la empresa, no como una medición exhaustiva de todos los empleadores.

Sin embargo, la pregunta práctica está clara. Hacer un seguimiento del uso de asistentes puede mostrar que los empleados han adoptado una herramienta, pero dice menos sobre si saben utilizarla eficazmente. Evaluar el trabajo con criterios pertinentes podría ayudar a los empleadores a distinguir entre un uso frecuente y un mayor nivel de competencia.

Eso también ofrecería una base más significativa para decidir el gasto en desarrollo que limitarse a contar los cursos completados. Una mejora cuantificable en una competencia pertinente es una señal útil, aunque para traducirla en un rendimiento empresarial sigue siendo necesario tener en cuenta el puesto, el proyecto y otros factores que afectan al desempeño.

Integrar la información sobre competencias en los flujos de trabajo existentes

CodeSignal afirma que su servidor MCP permite a los equipos hacer preguntas sobre datos de competencias y puestos desde el asistente de IA que prefieran. El Protocolo de contexto de modelo (MCP) ofrece una interfaz común para conectar un asistente con herramientas e información externas; en este caso, el objetivo es facilitar el acceso a la información sobre la plantilla sin que los usuarios tengan que salir del asistente que utilizan habitualmente.

El anuncio también incluye análisis de las brechas de competencias de la organización, planificación de la plantilla e información de mercado sobre la demanda de contratación, los puestos y las bandas salariales. Se trata de fuentes de información relacionadas, pero distintas: las tendencias externas del mercado laboral describen la demanda fuera de la empresa, mientras que los perfiles de los empleados pretenden describir las capacidades demostradas dentro de ella.

Los materiales existentes sobre la inteligencia de competencias de CodeSignal describen la evaluación comparativa, el análisis multinivel y el seguimiento de la adquisición de competencias. El nuevo lanzamiento pone el acento, además, en la evaluación continua del trabajo y en la vinculación de las pruebas obtenidas con el desarrollo individual.

La importancia del contexto en las decisiones sobre la plantilla

Disponer de información más actualizada sobre las competencias podría ayudar a un responsable a encontrar conocimientos especializados dentro de la empresa para un proyecto urgente, detectar una necesidad de desarrollo o determinar dónde es necesario contratar. También cambia la importancia de los materiales generados en el trabajo cotidiano: el material producido para completar una tarea puede convertirse en una prueba que se utilice para evaluar la competencia de un empleado.

Por eso es importante que el proceso de evaluación sea claro. Los empleados y los responsables necesitan saber qué trabajo se utiliza para elaborar un perfil, qué mide la rúbrica y dónde las pruebas son incompletas. No se debe confundir la escasa exposición a una tarea con una incapacidad demostrada, y toda puntuación automatizada debe considerarse teniendo en cuenta el contexto en el que se realizó el trabajo.

El lanzamiento de CodeSignal estrecha el ciclo de retroalimentación entre la evaluación, las pruebas obtenidas en el trabajo y la tutoría con IA. La oportunidad consiste en hacer que el desarrollo de la plantilla sea más específico y responda mejor a las necesidades. La prueba está en si ese ciclo genera pruebas útiles y explicables de las competencias, y ayuda a los empleados a desarrollarlas según lo que realmente exige su trabajo.