Los datos eran la clave — y así lo resolvieron. Un caso real de cómo una empresa usó IA para pasar de HR reactivo a HR predictivo.
Paso 1 · Ver el caso
Presentado en Domopalooza 2025 por Zachary Reimold (Business Intelligence Manager) y Jason Stout (VP HR Operations). 20 minutos, en inglés con subtítulos en español.
El desafío: Amerit tenía 14 años de datos históricos en múltiples sistemas — dispersos, incompletos, con muchos outliers. Su equipo de HR intervenía cuando ya era tarde. El objetivo: predecir qué técnicos estaban en riesgo de renunciar antes de que lo hicieran.
Paso 2 · El proceso
De la definición del problema al modelo en producción. Navegá cada etapa para entender qué hicieron, con quién, y cuánto tardó.
Paso 3 · Tu empresa
Usá el mismo marco de 7 pasos para mapear cómo lo harías vos. Completá con tu equipo en la reunión de trabajo.
Paso 4 · Para reflexionar
Después de ver el caso y completar el canvas, reflexionen en grupo sobre estas preguntas. Alguien toma nota y comparte en el grupo del Club.
Los aprendizajes
Cinco lecciones que van más allá de la rotación de personal y aplican a cualquier proyecto de IA con datos reales.
Dato mata opinión
La rotación no dependía de lo que aparecía en el buzón de quejas. La solución estaba en otro lado — los datos lo mostraron cuando el modelo exploró sin prejuicios.
El front-end importa
Si quien tiene que usar el modelo no lo entiende, el modelo no sirve. Amerit diseñó la experiencia para que HR pudiera actuar — no para que admirara un número estadístico.
A veces se resigna precisión por velocidad
Eligieron un modelo rápido sobre uno más preciso porque HR necesitaba actuar rápido. El modelo útil vale más que el perfecto.
El resultado fue virtuoso
No solo cumplieron el objetivo — encontraron insights que mejoraron otros procesos de HR. Un modelo bien implementado genera valor en cascada.
El modelo se mantiene vivo porque le sirve al negocio
El modelo se reentrena con cada intervención. La gente lo usa porque le resuelve un problema real. Y porque lo usa, aprende y mejora. Ese círculo virtuoso es lo que diferencia un proyecto de IA exitoso de uno que muere en un cajón.
Contanos en el grupo:
¿qué conclusiones sacaste de este caso?
Compartí tus reflexiones en el grupo de WhatsApp del Club de Innovación.