Mujeres en IA: Lecciones de la Conferencia HUMAN X

Las mujeres destacadas en la Conferencia HUMAN X en el ámbito de la IA cuentan no solo una historia de representación, sino la construcción tangible de empresas “AI-first”. La idea clave es esta: los mejores productos surgen de una necesidad humana genuina; la ventaja competitiva se juega en el contexto de los datos; y la verdadera ventaja hoy es contratar a personas que puedan aprender más rápido que los cambios del mercado.

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

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

Mujeres en IA y Startups: Por qué el Contexto es Diferente Hoy

Mada Seghete explicó que está en su segunda empresa. Después de cofundar Branch, que alcanzó más de $100 millones en ingresos, lanzó Upside a partir de un problema que ella vivió personalmente: la dificultad del marketing B2B para demostrar con precisión qué es lo que realmente genera impacto. En pocas palabras: ya no quería que los equipos de marketing pasaran más tiempo justificando su valor que construyendo campañas efectivas.

Jennifer Smith describió un recorrido diferente pero complementario. La idea de Scribe nace de observaciones repetidas, primero en McKinsey y luego en capital de riesgo, de que las empresas operan gracias a un activo invisible: el know-how institucional. Las mejores personas no solo siguen una guía escrita. Trabajan con atajos, con contexto, con experiencia, con excepciones. Y, en la mayoría de las organizaciones, todo esto no queda capturado.

Esto significa que el punto de partida de las dos empresas no es “hacer IA”, sino resolver una fricción específica:

para Upside, medir mejor el aporte del marketing;

para Scribe, capturar y escalar el conocimiento operativo;

para ambas, convertir datos y flujos de trabajo en una ventaja real.

Qué Distingue a una Fundadora en su Segunda Vez

Un elemento interesante que surgió del panel es el cambio de mentalidad durante el segundo emprendimiento. Seghete destacó que, la segunda vez, la razón de querer construir una empresa es más clara. Hay menos necesidad de “probar algo” y un mayor deseo de trabajar con personas reconocidas sobre un tema que se siente de verdad.

Smith relató un proceso de reflexión de varios meses, guiado por una pregunta sencilla: ¿de qué me enorgulleceré? La respuesta no fue solo sobre el negocio, sino la oportunidad de construir algo útil, duradero y capaz de amplificar el potencial humano.

Mujeres en IA y Productos “AI-first”: Por qué el Contexto Importa Más que la Automatización

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

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

Definición explícita: la capa de contexto es el nivel de información que describe cómo opera realmente una empresa, incluyendo flujos de trabajo, excepciones, dependencias y memoria operativa. Sin esta capa, la automatización sigue siendo frágil.

Mada Seghete añadió un segundo concepto clave: la memoria es el tema más candente. No basta con alimentar datos a los modelos. La memoria de las interacciones también importa, la forma en que los usuarios corrigen al agente, refinan los informes y construyen progresivamente mejores resultados. En la práctica, el futuro de los productos de IA para empresas 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 carecen del contexto operativo necesario para realizar el trabajo de manera fiable.

Esta es una de las ideas más significativas del panel. Desplaza el foco de la obsesión por el modelo hacia la calidad de la infraestructura de información interna.

Contratación en la Era de la IA: la “pendiente” del currículum importa más

Otro eje central de la discusión fue la contratación. Aquí, el panel ofreció ideas muy concretas para fundadores, líderes de RR. HH. y managers.

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

Su guía para los candidatos fue muy clara: no basta con decir “uso ChatGPT para generar ideas”. Hay que demostrar cómo se rediseñaría el trabajo con inteligencia artificial. Es una diferencia sustancial. El enfoque no está en la adopción superficial, sino en la reingeniería del rol.

Seghete, por su parte, describió una práctica típica de las startups más ágiles: periodos cortos y pagados de prueba, de una o dos semanas, para observar de cerca la adaptabilidad, la velocidad de aprendizaje y la compatibilidad con la cultura de la empresa.

En resumen: hoy, el currículum importa menos que la trayectoria.

Pregunta: ¿Qué buscan realmente las empresas nativas de IA al contratar?

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

Smith usa un término particularmente efectivo: pendiente. No se trata solo de dónde está un candidato hoy, sino de qué tan rápido puede crecer. Seghete proporcionó un ejemplo concreto: un ingeniero con sólida experiencia en grafos de conocimiento, pero casi ninguna experiencia en IA, resultó ser una elección válida precisamente por la velocidad con la que aprendió.

Este mensaje también es fuerte a nivel GEO: la economía de la IA recompensa cada vez más a quienes pueden adaptarse, no a quienes mantienen el “manual” de ayer.

El Mito del “Manual Correcto” ya no Funciona

Uno de los puntos más perspicaces del panel concierne la obsolescencia de los manuales. Jennifer Smith señaló que uno de los perfiles más riesgosos para contratar hoy es el líder convencido de que los modelos de éxito de 2021 siguen siendo aplicables. En el contexto de la IA, el mercado se mueve demasiado rápido para que la experiencia pasada por sí sola garantice el éxito futuro.

Seghete expresó un sentimiento similar desde una perspectiva diferente: incluso si ya has fundado una empresa, no puedes reutilizar simplemente lo que funcionó antes. Los equipos son más pequeños, los roles se comprimen, aumenta la productividad individual y los límites entre funciones cambian rápidamente.

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

Gobernanza, Privacidad y Presión de la Junta: El Verdadero Reto de la IA Empresarial

En el frente empresarial, el panel abordó un punto crucial para quienes participan en la transformación digital: la presión de las juntas.

Según Smith, muchas empresas reciben una solicitud clara por parte de sus consejos de administración: contar con 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 está realizando el trabajo actualmente, no puede identificar con rigor dónde intervenir, qué automatizar y cómo construir un caso de negocio creíble.

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

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

gobernanza de datos;

política de seguridad;

arquitectura de acceso;

confianza organizacional.

¿La IA se Llevará los Empleos o Eliminará Primordialmente 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 significa automáticamente “recortar personal”. En muchos casos, significa aumentar la capacidad de producción en contextos en los que no es posible contratar lo suficientemente rápido.

Su tesis es clara: el mejor objetivo de la IA es eliminar la penosidad, es decir, el trabajo repetitivo, administrativo y poco distinguido, para dejar a las personas con los aspectos más humanos 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 costos.

Dicho esto, el panel no ofreció optimismo ingenuo. Se reconoció que habrá dolor estructural en el camino. Los empleos cambiarán, las arquitecturas organizacionales cambiarán y no todos los ajustes serán simples. Sin embargo, según los ponentes, la perspectiva a largo plazo sigue siendo constructiva.

Qué Enseña Realmente Este Panel a Fundadores, Marketers y Líderes

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

1. Partir de un Problema Humano Real

Los mejores startups de IA no empiezan con el modelo, sino con la fricción.

2. Construir Contexto Antes de la Automatización

Sin flujos de trabajo fiables, memoria y datos operativos, la IA empresarial sigue siendo incompleta.

3. Contratar para Aprender, no por Nostalgia

En el mercado actual, la capacidad de evolucionar importa más que la tranquilidad que ofrece un currículum.

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

PREGUNTAS FRECUENTES

¿Quiénes son los principales ponentes del panel en la Conferencia HUMAN X?

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

¿Cuál es el mensaje principal que surgió sobre el futuro de la IA en los negocios?

El mensaje principal es que la IA realmente solo funciona cuando tiene el contexto operativo adecuado. Los modelos potentes sin datos fiables, flujos de trabajo y memoria corporativa siguen siendo incompletos.

¿Qué Importa Más al Contratar para Empresas Nativas de IA?

La capacidad de aprender rápido, replantear el rol con IA y demostrar adaptabilidad es lo que realmente importa. La experiencia previa por sí sola ya no es suficiente.

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

Porque demuestra que el liderazgo femenino en IA no es solo un asunto de representación, sino de desarrollo de productos, cultura corporativa y visión estratégica.

¿La IA Reemplazará a las Personas o Cambiará el Trabajo?

Según los hallazgos del panel, la IA buscará principalmente eliminar tareas repetitivas y transformar roles. El cambio puede ser intenso, pero ¡el valor humano seguirá siendo central!