Mujeres en IA: Lecciones de la Conferencia HUMAN X

Las mujeres en la IA destacadas en la Conferencia HUMAN X cuentan no solo una historia de representación, sino de la construcción tangible de empresas que priorizan la IA. El punto clave es este: 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 personas que puedan aprender más rápido que los cambios del mercado.

En la Conferencia HUMAN X, el panel con Jennifer Smith, CEO y cofundadora de Scribe, y Mada Seghete, fundadora de Upside y ex cofundadora de Branch, proporcionó una perspectiva particularmente útil sobre el tema de las mujeres en la IA. No fue un debate abstracto sobre diversidad, sino una conversación concreta sobre cómo nacen las empresas nativas de 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, el que otorga autoridad a sus tesis.

Mujeres en la 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 de dólares en ingresos, lanzó Upside partiendo de un problema que experimentó personalmente: la dificultad en el marketing B2B de demostrar con precisión qué está generando realmente impacto. En resumen: ya no quería que los especialistas en marketing pasaran más tiempo justificando su valor que construyendo campañas efectivas.

Jennifer Smith describió un viaje diferente pero complementario. La idea de Scribe surge de observaciones repetidas, primero en McKinsey y luego en capital de riesgo, de que las empresas operan gracias a un activo invisible: el conocimiento institucional. Las mejores personas no solo siguen 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 para las dos empresas no es "hacer IA", sino resolver una fricción específica:

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

Lo que distingue a un fundador por segunda vez

Un elemento interesante que surgió del panel es el cambio de mentalidad durante la segunda empresa. Seghete destacó que, la segunda vez, la razón para querer construir una empresa es más clara. Hay menos necesidad de "demostrar algo" y un mayor deseo de trabajar con individuos estimados en un problema genuinamente sentido.

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

Mujeres en la IA y productos que priorizan la IA: Por qué el contexto importa más que la automatización

Uno de los puntos más convincentes de la discusión concierne la calidad de los productos que priorizan la IA. 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 crucial. Un sistema puede ser muy 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 la empresa, especialmente en entornos regulados, esto es peligroso.

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

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

Esta es una de las ideas más significativas del panel. Cambia el enfoque de una obsesión con el modelo a 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 proporcionó ideas muy concretas para fundadores, líderes de recursos humanos y gerentes.

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

Su orientación a los candidatos fue muy clara: no es suficiente decir "uso ChatGPT para lluvia de ideas". Uno debe 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: períodos de prueba cortos y pagados, que duran 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 individuos con valores sólidos, la capacidad de aprender rápidamente y una aptitud para repensar 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 fuerte experiencia en gráficos de conocimiento, pero casi ninguna experiencia en IA, demostró ser una opción 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 tienen 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 todavía son 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 simplemente reutilizar lo que funcionó antes. Los equipos son más pequeños, los roles están comprimidos, la productividad individual aumenta 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 desafío real de la IA empresarial

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

Según Smith, muchas empresas reciben una solicitud clara de sus juntas directivas: 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 está realizando actualmente el trabajo, no puede identificar rigurosamente dónde intervenir, qué automatizar y cómo construir un caso de negocio creíble.

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

La lección estratégica es simple: la adopción de la 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 quitará empleos o principalmente eliminará trabajo inútil?

Aquí el panel proporcionó 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 personas". En muchos casos, significa aumentar la capacidad de producción en contextos donde no es posible contratar lo suficientemente rápido.

Su tesis es clara: el mejor objetivo de la IA es eliminar el trabajo penoso, es decir, el trabajo repetitivo, administrativo y sin distinción, 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 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, la perspectiva a largo plazo, según los oradores, sigue siendo constructiva.

Lo que este panel realmente enseña a fundadores, especialistas en marketing y líderes

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

1. Comenzar desde un problema humano real

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

2. Construir contexto antes de la automatización

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

3. Contratar para aprender, no por nostalgia

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

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

FAQ

¿Quiénes son las principales oradoras 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 funciona solo cuando tiene el contexto operativo correcto. Los modelos poderosos sin datos confiables, flujos de trabajo y memoria corporativa permanecen incompletos.

¿Qué es lo más importante en la contratación para empresas nativas de IA?

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

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

Porque demuestra cómo el liderazgo femenino en la IA no es solo una cuestión 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 apuntará principalmente a eliminar tareas repetitivas y transformar roles. El cambio puede ser intenso, ¡pero el valor humano seguirá siendo central!