Blog Banner ATS (2)

El modelo 70-20-10: la clave para el desarrollo de líderes en las organizaciones

En el mundo empresarial actual, el desarrollo de líderes no depende únicamente de programas de capacitación en aula. Las organizaciones de alto rendimiento aplican el modelo 70-20-10, un marco de referencia que equilibra la experiencia práctica, el aprendizaje social y la formación formal para impulsar el crecimiento del talento humano.

¿Qué es el modelo 70-20-10?

Este enfoque propone que el crecimiento profesional proviene de tres fuentes principales:

  • 70% aprendizaje experiencial (on the job): asumir proyectos, retos y roles que sacan al líder de su zona de confort.
  • 20% aprendizaje social (coaching y mentoring): retroalimentación y acompañamiento de otros líderes.
  • 10% formación formal: cursos, talleres y certificaciones.

De esta manera, el desarrollo de competencias no se queda en la teoría, sino que se convierte en una experiencia transformadora.

70% Aprendizaje experiencial: liderazgo en acción

Las empresas más exitosas utilizan la práctica como la base de su modelo de formación.

Ejemplos:

  • Unilever impulsa a sus high potentials con asignaciones internacionales en diferentes culturas y mercados.
  • GE fortalece su Leadership Pipeline colocando a sus ejecutivos en roles complejos desde temprano.

20% Aprendizaje social: mentoring y coaching

El mentoring estructurado y el coaching ejecutivo permiten que el talento se desarrolle más rápido.

Ejemplos:

  • Google creó el programa g2g (Googler-to-Googler), donde los empleados comparten conocimientos y entrenan a sus pares.
  • IBM conecta líderes de distintos países en programas globales de mentoring.

10% Formación formal: conocimiento especializado

Aunque representa un porcentaje menor, la formación académica sigue siendo clave.

Ejemplos:

  • Harvard, INSEAD y Wharton ofrecen programas de liderazgo empresarial.
  • Coca-Cola University y Deloitte University son referentes en entrenamientos corporativos globales.

Empresas que aplican el modelo 70-20-10

Compañías como Amazon, Novartis, L’Oréal, Nestlé, Siemens y Meta integran este modelo para asegurar un pipeline constante de líderes capaces de enfrentar retos globales.

Conclusión

El modelo 70-20-10 es más que una teoría: es una práctica probada que permite a las empresas desarrollar líderes resilientes, innovadores y preparados para los desafíos del futuro. En Jugada Maestra, aplicamos este enfoque para potenciar el talento ejecutivo y acompañar a nuestros clientes en la formación de equipos de alto desempeño.

 

Blog Banner ATS (1)

Cómo mejorar los prompts para potenciar los resultados de la inteligencia artificial

Cómo mejorar los prompts para potenciar los resultados de la inteligencia artificial

En el dinámico entorno de la inteligencia artificial (IA), la calidad de las respuestas generadas depende directamente de la formulación de los prompts. Estos prompts —es decir, las instrucciones o entradas que se suministran a los modelos de lenguaje— son determinantes para obtener resultados útiles, precisos y alineados con los objetivos del usuario.

A continuación, presentamos algunas claves para optimizar la construcción de prompts y maximizar la efectividad de las soluciones basadas en IA:

Claridad y especificidad

Un prompt efectivo debe ser claro y específico. Cuanto más precisa sea la instrucción, mayor será la probabilidad de obtener una respuesta coherente y útil. Formular preguntas ambiguas o vagas puede llevar a resultados imprecisos, genéricos o irrelevantes.

Ejemplo bueno:
“¿Cuáles son las tendencias actuales de consumo de moda en América Latina?”
Ejemplo malo:
“Háblame sobre la industria de la moda.”


Calidad de la información

La efectividad del prompt también depende de los datos que lo sustentan. Asegurar que las instrucciones estén basadas en información confiable y relevante del dominio específico contribuye a generar respuestas más contextualizadas y pertinentes.


Contextualización y enfoque

Es fundamental adaptar los prompts a las necesidades del usuario y al contexto de uso. Una IA puede ofrecer soluciones mucho más efectivas cuando entiende el propósito específico detrás de la consulta. Incluir referencias geográficas, temporales, sectoriales o funcionales mejora significativamente la calidad de la respuesta.

Ejemplo bueno:
“Describa los beneficios de la energía solar en comparación con otras fuentes renovables.”
Ejemplo malo:
“¿Qué sabes sobre energía?”


Iteración y mejora continua

El diseño de prompts es un proceso que requiere pruebas constantes. Evaluar los resultados obtenidos, analizar su pertinencia y realizar ajustes según la retroalimentación permite perfeccionar continuamente las instrucciones y optimizar el rendimiento del modelo.


Apoyo en tecnología y modelos avanzados

El uso de modelos de IA avanzados y herramientas de procesamiento de lenguaje natural (NLP) potencia la capacidad de generar respuestas más sofisticadas. Asimismo, apoyarse en plataformas que faciliten la gestión, versionado y análisis de prompts puede aumentar la eficiencia operativa y la calidad del output.


Conclusión

Optimizar los prompts no es un detalle menor: es una práctica estratégica que influye directamente en el valor que las organizaciones pueden obtener de la inteligencia artificial. Prompts bien diseñados permiten resolver problemas con mayor precisión, generar contenido más relevante y tomar decisiones más informadas. En Jugada Maestra, incorporamos esta visión como parte de nuestro enfoque para potenciar el uso de tecnologías emergentes en procesos de selección y estrategia de talento.