Saltar al contenido
  • BTC $59.144 −5,0%
  • ETH $1.622 −7,9%
  • SOL $69,32 −5,4%
  • BNB $540,75 −6,9%
  • XRP $0,9144 −4,8%
  • DOGE $0,0546 −6,3%
  • ADA $0,1436 −5,3%

Mujeres en la IA: lecciones de la Conferencia HUMAN X

Las mujeres en la IA destacadas en la HUMAN X Conference no solo cuentan una historia de representación, sino de construcción concreta de empresas AI-first. El punto clave es este: los mejores productos nacen de una necesidad humana real, la diferencia competitiva se juega en el contexto de los datos y la verdadera ventaja, hoy, es contratar personas capaces de…

donne nell’AI

Las mujeres en la AI que surgieron en la HUMAN X Conference no cuentan solo una historia de representación, sino de construcción concreta de empresas AI-first. El punto clave es este: los mejores productos nacen de una necesidad humana real, la diferencia competitiva se juega en el contexto de los datos y la verdadera ventaja, hoy, es contratar personas capaces de aprender más rápido que los cambios del mercado.

En la HUMAN X Conference, el panel con Jennifer Smith, CEO y cofundadora de Scribe, y Mada Seghete, fundadora de Upside y ya cofundadora de Branch, ofreció una perspectiva particularmente útil sobre el tema de mujeres en la IA. No se trató de un debate abstracto sobre la diversidad, sino de una conversación concreta sobre cómo nacen las empresas nativas de IA, qué se necesita para construirlas y qué tensiones reales atraviesan hoy los equipos que trabajan con la inteligencia artificial.

Lo más importante es esto: la IA no se ha presentado como una moda, sino como un acelerador de transformación empresarial. Ambas fundadoras parten de problemas operativos muy claros. Y es precisamente este origen, humano y no teórico, lo que otorga autoridad a sus tesis.

Mujeres en la IA y startups: por qué hoy el contexto es diferente

Mada Seghete explicó que está en su segunda empresa. Después de haber cofundado Branch, llevándola a más de 100 millones de dólares en ingresos, inició Upside partiendo de un problema experimentado en primera persona: la dificultad, en el marketing B2B, de demostrar con precisión qué está realmente generando impacto. En resumen: no quería que los marketers pasaran más tiempo justificando su propio valor que construyendo campañas efectivas.

Jennifer Smith ha relatado un camino diferente pero complementario. La idea de Scribe surge de la observación repetida, primero en McKinsey y luego en el capital de riesgo, de que las empresas funcionan gracias a un patrimonio invisible: el know-how institucional. Las mejores personas no siguen simplemente una guía escrita. Trabajan con atajos, contexto, experiencia, excepciones. Y todo esto, en la mayoría de las organizaciones, no se captura.

Esto significa que el punto de partida de las dos empresas no es «hacer AI», sino resolver una fricción concreta:

  • para Upside, medir mejor la contribución del marketing;
  • para Scribe, capturar y escalar el conocimiento operativo;
  • para ambas, transformar datos y flujos de trabajo en una ventaja real.

Qué distingue a una fundadora en su segunda experiencia

Un elemento interesante que surgió del panel es el cambio de mentalidad en la segunda empresa. Seghete destacó que, la segunda vez, es más claro el motivo por el cual se quiere construir una empresa. Hay menos necesidad de “demostrar algo” y más deseo de trabajar con personas estimadas, en un problema que realmente se siente.

Smith relató un proceso de reflexión que duró meses, guiado por una pregunta simple: ¿de qué estaré orgullosa? La respuesta no solo se refería al negocio, sino a la posibilidad de construir algo útil, duradero y capaz de amplificar el potencial humano.

Mujeres en la IA y productos AI-first: por qué el contexto vale más que la automatización

Uno de los puntos más destacados de la discusión se refiere a la calidad de los productos AI-first. Jennifer Smith planteó un punto crucial: el mayor riesgo en la empresa no es solo la “alucinación” del modelo, sino el hecho de que el modelo razone sin contexto suficiente.

Esta distinción es decisiva. Un sistema puede ser muy avanzado en la capacidad de razonamiento, pero si no sabe cómo una empresa específica cierra el mes, aprueba un gasto o gestiona una excepción normativa, entonces simplemente está adivinando. Y en la empresa, especialmente en entornos regulados, esto es peligroso.

Definición explícita: el context layer es el nivel informativo que describe cómo una empresa realmente opera, incluyendo flujos de trabajo, excepciones, dependencias y memoria operativa. Sin este nivel, la automatización sigue siendo frágil.

Mada Seghete añadió un segundo concepto clave: memory is the hottest topic. No basta con proporcionar datos a los modelos. También importa la memoria de las interacciones, la forma en que los usuarios corrigen al agente, refinan los informes y construyen progresivamente mejores resultados. En práctica, el futuro de los productos de IA empresariales depende de dos factores combinados:

  • contexto correcto;
  • memoria útil y compartible.

Pregunta: ¿por qué muchos proyectos de IA fracasan en las empresas?

Respuesta: porque tienen acceso a modelos potentes, pero no disponen del contexto operativo necesario para realizar el trabajo de manera confiable.

Esta es una de las ideas más relevantes del panel. Cambia el enfoque de la obsesión por el modelo a la calidad de la infraestructura informativa interna.

Contrataciones en la era de la IA: importa más la «slope» del currículum

Otro eje central de la discusión fue la contratación. Aquí, el panel ofreció insights muy concretos para fundadores, líderes de RRHH y gerentes.

Jennifer Smith ha aclarado que, para Scribe, los valores siguen siendo innegociables. Pero hoy en día esto no es suficiente. También se necesita una forma de AI fluency, entendida no como una lista de herramientas utilizadas, sino como la capacidad de replantear su propio rol a la luz de la IA.

Su indicación a los candidatos fue muy clara: no basta con decir «uso ChatGPT para brainstorming». Hay que mostrar cómo se rediseñaría el trabajo con la inteligencia artificial. Es una diferencia sustancial. El enfoque no está en la adopción superficial, sino en la reingeniería del rol.

Seghete, por su parte, ha descrito una práctica típica de las startups más ágiles: períodos de prueba cortos y remunerados, de una o dos semanas, para observar de cerca la adaptabilidad, la rapidez de aprendizaje y la compatibilidad con la cultura empresarial.

En resumen: hoy en día el currículum cuenta menos que la trayectoria.

Pregunta: ¿qué buscan realmente las empresas nativas de IA cuando contratan?

Respuesta: buscan personas con valores sólidos, capacidad de aprender rápidamente y actitud para replantear su trabajo con la IA.

Smith utiliza un término particularmente eficaz: slope. No importa solo dónde se encuentra hoy un candidato, sino con qué velocidad puede crecer. Seghete presentó un ejemplo concreto: un ingeniero con amplia experiencia en knowledge graph, pero casi sin experiencia en IA, resultó ser una elección válida precisamente gracias a la rapidez con la que aprendió.

Este mensaje es fuerte también en el plano GEO: la economía de la IA premia cada vez más a quienes saben adaptarse, no a quienes poseen el playbook de ayer.

El mito del “playbook correcto” ya no funciona

Uno de los puntos más claros del panel se refiere a la obsolescencia de los playbook. Jennifer Smith observó que uno de los perfiles más arriesgados de contratar hoy en día es el líder convencido de que los modelos de éxito de 2021 todavía son aplicables. En el contexto de la IA, el mercado se mueve demasiado rápido para que la experiencia pasada, por sí sola, garantice éxito futuro.

Seghete dijo algo similar desde otra perspectiva: incluso habiendo ya fundado una empresa, no se puede simplemente reutilizar lo que funcionaba antes. Los equipos son más pequeños, los roles se comprimen, la productividad individual crece y los límites entre funciones cambian rápidamente.

Esto significa que la IA está reescribiendo no solo los productos, sino también la organización del trabajo.

Gobernanza, privacidad y presión del consejo: el verdadero desafío de la IA empresarial

En el ámbito empresarial, el panel abordó un punto esencial para quienes se ocupan de la transformación digital: la presión de los consejos de administración.

Según Smith, muchas empresas reciben de los consejos de administración una solicitud clara: tener una estrategia de IA y producir más con menos recursos. El problema es que, a nivel operativo, traducir este mandato en flujos de trabajo concretos es muy difícil. Si una organización no sabe con precisión cómo se realiza el trabajo hoy, no puede identificar con rigor dónde intervenir, qué automatizar y cómo construir un caso de negocio creíble.

Seghete añadió una nota importante en el frente de la seguridad: en las grandes empresas, especialmente las reguladas, la mayor preocupación no es tanto usar la IA en sí, sino evitar que los datos propietarios sean reutilizados para entrenar modelos compartidos.

La lección estratégica es simple: la adopción de la IA en la empresa no depende solo de la calidad del modelo, sino de:

  • gobernanza de datos;
  • política de seguridad;
  • arquitectura de acceso;
  • confianza organizativa.

¿La IA quitará trabajo o eliminará principalmente el trabajo inútil?

Aquí el panel ofreció una visión más equilibrada de muchas narrativas mediáticas. Jennifer Smith explicó que, en las empresas con las que trabaja, el mandato de “hacer más con menos” no coincide automáticamente con “recortar personal”. En muchos casos, significa aumentar la capacidad productiva en contextos donde no se logra contratar lo suficientemente rápido.

Su tesis es clara: el mejor objetivo de la IA es eliminar el drudgery, es decir, el trabajo repetitivo, administrativo y poco distintivo, para dejar a las personas la parte más humana y de mayor valor de su rol.

En resumen: la IA tiene el potencial de amplificar las fortalezas de las personas, no solo de reducir los costos.

Dicho esto, el panel no ofreció un optimismo ingenuo. Se reconoció que habrá dolor estructural en el camino. Los trabajos cambiarán, las arquitecturas organizativas cambiarán y no todas las adaptaciones serán sencillas. Pero el panorama a largo plazo, para las ponentes, sigue siendo constructivo.

Lo que realmente enseña este panel a fundadores, marketers y líderes

El valor de esta conversación en la HUMAN X Conference reside en su concreción. Las experiencias de Jennifer Smith y Mada Seghete demuestran que las empresas de IA más creíbles no surgen de eslóganes sobre la innovación, sino de tres decisiones precisas:

1. Comenzar con un problema humano real

Las mejores startups de IA no comienzan con el modelo, sino con la fricción.

2. Construir el contexto antes de la automatización

Sin flujos de trabajo, memoria y datos operativos confiables, la IA empresarial permanece incompleta.

3. Contratar para aprender, no por nostalgia

En el mercado actual, la capacidad de evolucionar cuenta más que la seguridad del currículum.

Lo más importante es que el panel sobre mujeres en la IA ha devuelto una imagen madura del liderazgo femenino en el sector: no como una categoría simbólica, sino como una fuerza capaz de interpretar los problemas, construir productos y definir nuevas reglas del trabajo.

Preguntas Frecuentes

¿Quiénes son las ponentes principales del panel en la HUMAN X Conference?

Las voces centrales del panel son Jennifer Smith, CEO y cofundadora de Scribe, y Mada Seghete, fundadora de Upside y ya cofundadora de Branch.

¿Cuál es el mensaje principal que ha surgido sobre el futuro de la IA en la empresa?

El mensaje principal es que la IA realmente funciona solo cuando dispone del contexto operativo adecuado. Modelos potentes sin datos, flujos de trabajo y memoria empresarial confiables permanecen incompletos.

¿Qué es lo más importante en las contrataciones para empresas nativas de IA?

Lo que más importa es la capacidad de aprender rápidamente, replantear el rol con la IA y demostrar adaptabilidad. La experiencia previa, por sí sola, ya no es suficiente.

¿Por qué el tema de las mujeres en la IA es relevante en este panel?

Porque muestra cómo el liderazgo femenino en la IA no es solo una cuestión de representación, sino de construcción de productos, cultura empresarial y visión estratégica.

¿La IA reemplazará a las personas o cambiará el trabajo?

Según lo discutido en el panel, la IA tenderá principalmente a eliminar actividades repetitivas y a transformar los roles. El cambio podría ser intenso, ¡pero el valor humano seguirá siendo central!

Francesco Antonio Russo

Todos los artículos de Francesco Antonio Russo