Recursos Humanos

Qué puede extraer la IA de una descripción de puesto

Una descripción de puesto contiene información útil para construir una primera matriz de competencias, pero normalmente no está escrita con ese objetivo. Responsabilidades, tareas, herramientas, conocimientos y requisitos aparecen mezclados y con niveles de detalle diferentes.

La IA puede ayudar a separar y agrupar esa información, especialmente cuando hay que revisar muchas descripciones. Su función es acelerar la primera lectura y proponer una estructura común, no decidir qué capacidades existen realmente en la organización.

Capacidades frente a tareas, herramientas y responsabilidades

Uno de los primeros problemas consiste en distinguir una capacidad de aquello que la persona hace o utiliza. Si una descripción indica que alguien debe “preparar informes mensuales en Power BI”, encontramos elementos diferentes:

• Preparar informes mensuales describe una tarea o responsabilidad.
• Power BI es una herramienta, no una capacidad por sí misma.
• Analizar datos, interpretar resultados o comunicar información pueden ser capacidades asociadas a esa tarea.
• La frecuencia mensual aporta contexto, pero no demuestra el nivel de dominio.

Si pedimos simplemente a la IA que “extraiga skills”, puede devolver una mezcla de acciones, tecnologías, conocimientos y capacidades. Por eso, la instrucción debe obligarla a clasificar cada elemento y justificar qué expresiones considera capacidades.

Capacidades comunes y específicas de cada puesto

Una vez separados los elementos, la IA puede comparar varias descripciones y detectar qué capacidades aparecen en más de un puesto y cuáles están vinculadas a funciones concretas.

Por ejemplo, comunicación, análisis de información o colaboración pueden repetirse en perfiles diferentes, mientras que automatización de pruebas, negociación comercial o administración de sistemas pueden ser específicas de determinados roles.

Esta comparación permite distinguir entre:

• Capacidades comunes, presentes en varios puestos o equipos.
• Capacidades asociadas de forma específica a ciertos roles.
• Términos diferentes que podrían representar una misma capacidad y necesitan normalización antes de entrar en la matriz.

El resultado todavía no es una taxonomía definitiva, sino una lista estructurada que servirá como base para construir y depurar la matriz.

Cómo crear una primera matriz de competencias con IA

Una vez definido qué consideraremos una capacidad, podemos utilizar ChatGPT, Claude o Gemini para acelerar la extracción y comparación. La herramienta concreta importa menos que la calidad de las descripciones y las instrucciones que demos al modelo.

El objetivo no es obtener una matriz definitiva en una sola conversación, sino construir una primera hipótesis. Esa primera matriz de competencias, o matriz de skills, debe conservar suficiente información para revisar después cómo se ha llegado a cada asociación.

1. Reúne y prepara las descripciones de puestos

Empieza por recopilar las descripciones que quieras comparar. Si existen varias versiones de un mismo puesto, identifica cuál está vigente antes de analizarlas.

No necesitas reescribirlas para que tengan la misma estructura. Sí conviene aportar algunos datos mínimos:

• Nombre del puesto y, si existe, familia profesional o área.
• Una descripción de sus responsabilidades y tareas habituales.
• Herramientas, conocimientos o requisitos asociados al rol.
• El contexto necesario para distinguir puestos con funciones diferentes, aunque tengan nombres similares.

Antes de introducir esos documentos en una herramienta de IA, comprueba si contienen información innecesaria para el análisis. Si aparecen datos personales, información interna o contenido confidencial, aplica previamente los criterios adecuados para usar datos corporativos en prompts de IA.

2. Pide a la IA que extraiga las capacidades

La primera instrucción debe evitar que el modelo convierta cualquier término de la descripción en una skill. Necesitamos que diferencie capacidades de tareas, herramientas y conocimientos y que mantenga visible la evidencia utilizada.

Prompt para extraer capacidades

Puedes partir de esta instrucción y adaptarla a tus puestos:

Instrucción para la IA: Analiza las siguientes descripciones de puestos. Para cada una, identifica las capacidades que pueden inferirse del trabajo descrito. Separa capacidades, tareas o responsabilidades, herramientas y conocimientos. No asignes niveles de dominio ni presupongas que una persona concreta posee esas capacidades. Para cada capacidad propuesta, indica qué fragmento o responsabilidad de la descripción justifica su inclusión.

Al revisar la respuesta, fíjate especialmente en la evidencia de origen. Si una capacidad no puede relacionarse con una parte concreta de la descripción, debería revisarse antes de incorporarla a la matriz.

3. Normaliza duplicados y términos equivalentes

Al comparar varias descripciones es habitual encontrar expresiones diferentes para ideas muy próximas. Mantener todas esas variantes puede inflar artificialmente el número de capacidades.

Podrías encontrar expresiones como análisis de datos, interpretación de datos, análisis e interpretación de información o data analysis. Aunque parezcan equivalentes, conviene comprobar si tienen el mismo sentido y alcance en cada puesto.

La IA puede ayudarte a detectar coincidencias, pero no debe asumir equivalencias sin considerar el contexto.

Prompt para normalizar capacidades

Una vez terminada la extracción, continúa con una segunda instrucción:

Instrucción para la IA: Revisa la lista de capacidades extraídas y detecta términos duplicados, equivalentes o excesivamente específicos. Propón un nombre común cuando la evidencia permita agruparlos. Mantén separados los términos cuando impliquen capacidades distintas y explica cualquier agrupación que pueda resultar ambigua.

Aquí no buscamos reducir la lista al máximo. El objetivo es eliminar duplicidades sin fusionar capacidades que, aunque tengan nombres parecidos, representen trabajos diferentes.

4. Construye la matriz puesto × capacidad

Con la lista normalizada ya puedes pedir a la IA que organice las asociaciones en una matriz sencilla.

En un ejemplo hipotético:

Capacidad	Analista de datos	Responsable de operaciones	Responsable de cuentas
Análisis de datos	Detectada	Detectada	Detectada
Comunicación con cliente	No detectada	No detectada	Detectada
Automatización de procesos	Detectada	Detectada	No detectada
Coordinación de equipos	No detectada	Detectada	No detectada
Negociación comercial	No detectada	No detectada	Detectada

Detectada significa que la descripción aporta evidencia para asociar esa capacidad al puesto. No detectada indica únicamente que el documento analizado no aporta evidencia suficiente.

La matriz tampoco muestra quién domina cada capacidad ni con qué nivel. Si necesitas facilitar la revisión, puedes incorporar una columna adicional con el fragmento que justifica cada asociación.

5. Revisa incoherencias y capacidades ausentes

Antes de dar por terminada esta primera versión, pide a la IA que busque posibles problemas:

• Capacidades asociadas a un puesto sin evidencia clara en su descripción.
• Términos demasiado genéricos que puedan representar capacidades diferentes.
• Herramientas o tareas clasificadas erróneamente como skills.
• Capacidades similares que todavía necesiten normalización.
• Diferencias entre puestos parecidos que convenga contrastar con responsables o con las personas que realizan ese trabajo.

Esta revisión depura la matriz, pero no la valida. El resultado sigue siendo una estructura construida desde documentos, no una medición de las capacidades reales de las personas ni de su nivel de dominio.

Qué no deberías deducir de esta primera matriz

Una matriz creada a partir de descripciones de puestos permite ordenar qué capacidades parecen asociadas a cada rol y detectar patrones entre funciones. Pero trabaja con lo que dicen los documentos, no con evidencias directas sobre cómo se realiza el trabajo ni sobre las personas que ocupan esos puestos.

El principal riesgo es convertir una hipótesis documental en una conclusión que la información disponible todavía no permite sostener.

Si la descripción indica…	Puedes utilizarlo para…	No deberías concluir…
“Analizar indicadores comerciales”	Proponer análisis de datos como capacidad asociada al rol	Que la persona tenga un nivel avanzado
“Coordinar un equipo de cinco personas”	Identificar capacidades relacionadas con coordinación	Que quien ocupa el puesto lidere eficazmente
“Trabajar con Power BI”	Registrar una herramienta utilizada o requerida	Que Power BI sea por sí mismo una capacidad
No menciona IA generativa	Constatar que no aparece en el documento	Que actualmente no se utilice en ese puesto

Cuanto más estructurada parezca la respuesta de la IA, más importante es recordar qué demuestra realmente la fuente y qué necesita validación adicional.

No asignes niveles de dominio solo a partir de una descripción

Que dos puestos incluyan “análisis de datos” no significa que ambos necesiten el mismo nivel. En uno puede bastar con interpretar indicadores y, en otro, ser necesario definir métricas, combinar fuentes o utilizar los resultados para apoyar decisiones.

La descripción puede aportar pistas, pero etiquetas como básico, intermedio o avanzado deberían apoyarse en criterios observables: autonomía, complejidad, variedad de situaciones, frecuencia de uso o resolución de problemas.

Tampoco puedes trasladar automáticamente ese nivel a quien ocupa el puesto. Que un rol requiera una capacidad avanzada no demuestra que una persona concreta la haya desarrollado hasta ese nivel.

La IA sí puede ayudarte a proponer qué evidencias permitirían diferenciar niveles. No debería completar un dato que la descripción no contiene.

No confundas lo que el puesto pide con lo que la persona sabe hacer

Una matriz del puesto representa capacidades asociadas a un rol. Una matriz de una persona pretende reflejar las capacidades que esa persona puede demostrar y, cuando proceda, con qué nivel las aplica.

Las descripciones de puestos sirven para avanzar en la primera, no para completar automáticamente la segunda.

Una persona puede no dominar todavía alguna capacidad incluida en su rol y, al mismo tiempo, haber desarrollado otras que la descripción no recoge. Por eso, en esta fase es más preciso hablar de capacidades asociadas al puesto que atribuirlas directamente al empleado.

Esta distinción permitirá comparar después lo que el rol necesita con las capacidades que realmente existen en el equipo.

No des por actualizada una descripción de puesto

Una matriz puede estar bien construida y seguir siendo poco útil si parte de documentos desactualizados. La IA no puede saber que una responsabilidad ha desaparecido o que han surgido nuevas prácticas si esa información no aparece en el material analizado.

Esto puede generar falsos positivos, como capacidades que siguen figurando aunque ya no sean relevantes, y también capacidades ausentes que sí forman parte del trabajo actual.

El riesgo aumenta en puestos afectados por automatización, nuevas herramientas o cambios organizativos. Antes de considerar estable la matriz, revisa esos roles con responsables y personas que los desempeñan para detectar diferencias entre el puesto documentado y el puesto real.

Cómo contrastar la matriz con el trabajo real

La primera matriz permite visualizar qué capacidades parecen asociadas a cada puesto, pero todavía necesita contraste. El siguiente paso es comprobar si esas capacidades aparecen realmente en el trabajo cotidiano y si faltan otras que las descripciones no recogen.

No hace falta convertir esta revisión en un sistema complejo de evaluación. Lo importante es combinar la información documental con evidencias del trabajo real antes de utilizar la matriz para orientar formación, movilidad o desarrollo.

Puedes revisar al menos estos elementos:

• Tareas reales, especialmente las que ocupan más tiempo o tienen mayor impacto.
• Conversaciones con responsables y personas del rol para detectar capacidades ausentes o desactualizadas.
• Proyectos, entregables u otras evidencias que permitan comprobar cómo se aplica una capacidad.
• La frecuencia y criticidad de cada skill, porque no todas tienen el mismo peso en el puesto.
• Si necesitas diferenciar niveles, utiliza criterios observables de autonomía, complejidad o calidad.

El contraste puede revelar que dos puestos aparentemente diferentes realizan tareas similares o que una capacidad importante para el equipo no aparece en ninguna descripción. También puede descubrir requisitos que siguen documentados aunque hayan dejado de ser relevantes.

La IA puede ayudarte a ordenar estas evidencias, comparar versiones y señalar inconsistencias. Pero decidir qué capacidades son relevantes y qué nivel exige realmente cada trabajo requiere contexto organizativo y evidencia observable.

Así, la matriz deja de ser una extracción de documentos y empieza a convertirse en una herramienta útil para RRHH, Talento y L&D.

Conclusiones

Crear una primera matriz de competencias con IA puede ahorrar trabajo cuando RRHH, Talento o L&D parten de descripciones de puestos dispersas y poco homogéneas. ChatGPT, Claude o Gemini pueden ayudar a extraer capacidades, detectar elementos comunes y normalizar términos antes de organizarlos por puesto.

Esa matriz debe interpretarse como una hipótesis inicial. Una descripción refleja expectativas sobre un rol, pero no demuestra qué sabe hacer una persona ni con qué nivel aplica una capacidad.

El siguiente paso es contrastar esa estructura con evidencias reales: tareas, proyectos, responsables, personas que desempeñan el rol y criterios observables de dominio. Así, la IA acelera el análisis documental sin convertirlo en una evaluación automática del equipo y permite identificar qué partes de la matriz necesitan validación antes de utilizarlas para orientar formación, movilidad o desarrollo.