Modelo de madurez de people analytics 2026: de reporting a analítica aumentada por IA

La madurez de people analytics se puede leer como un camino de cuatro etapas: reporting descriptivo (qué pasó), analítica diagnóstica (por qué pasó), analítica predictiva (qué va a pasar) y analítica prescriptiva o aumentada por IA (qué deberíamos hacer al respecto, con recomendación accionable). La mayoría de las organizaciones LATAM sigue concentrada en las primeras dos etapas —reportar rotación y ausentismo del trimestre pasado— mientras la ventaja competitiva real, y donde la IA generativa está acelerando más rápido el salto de madurez, está en las últimas dos: predecir y prescribir.

• El modelo de madurez de 4 etapas (descriptivo, diagnóstico, predictivo, prescriptivo) permite diagnosticar objetivamente en qué punto está el equipo de RH, más allá de qué herramienta usa.
• La mayoría de las organizaciones LATAM sigue concentrada en reportar y explicar el pasado (etapas 1-2), dejando sin capturar el valor de anticipar y prescribir (etapas 3-4).
• La IA generativa está acelerando específicamente el salto a la etapa prescriptiva: de predecir riesgo a recomendar la acción concreta más efectiva para cada caso.
• Avanzar de madurez no requiere reemplazar el equipo de RH por científicos de datos: requiere que el equipo actual desarrolle la competencia de interpretar y aplicar modelos predictivos, no construirlos desde cero.
• En LATAM, el salto de madurez tiene un obstáculo adicional: la calidad y consistencia de los datos históricos de RH suele ser más baja que en organizaciones de mercados con sistemas más maduros — el diagnóstico de madurez debe incluir la calidad del dato disponible.

El salto de madurez de people analytics en LATAM enfrenta un obstáculo que rara vez se diagnostica de forma explícita: la calidad y consistencia histórica de los datos de RH. Sistemas heredados, procesos manuales y alta rotación de personal en los propios equipos de RH suelen dejar datos históricos incompletos o inconsistentes entre países de la misma organización. Antes de invertir en un modelo predictivo sofisticado, el diagnóstico de madurez correcto en una operación LATAM debe incluir una auditoría honesta de la calidad del dato disponible — construir un modelo predictivo sobre datos poco confiables solo produce predicciones poco confiables con apariencia de sofisticación.

Diagnosticar con honestidad en qué etapa de madurez está el equipo de people analytics —y no asumir que tener un dashboard ya es el nivel máximo— es el primer paso para diseñar un plan de desarrollo de la función que efectivamente avance hacia analítica predictiva y prescriptiva. LBS forma esa capacidad de diagnóstico y desarrollo en el Programa de People Analytics, con foco específico en cómo avanzar de madurez con los datos y el equipo que la organización LATAM realmente tiene, no con el que tendría en un caso de estudio de un mercado con más infraestructura de datos.