JPMorgan acaba de dar un paso que mucha gente en el mercado corporativo estaba esperando, pero pocos tenían el valor de dar primero.
El banco está monitoreando activamente cómo sus cerca de 65 mil ingenieros y técnicos usan herramientas de inteligencia artificial en el día a día, y lo más interesante es que ese uso puede influir directamente en las evaluaciones de rendimiento de cada empleado. No es una amenaza velada, ni una política confusa escrita en la letra chica de un contrato. Es una directriz clara: quien adopta las herramientas disponibles y entrega más con ellas, lleva ventaja a la hora de ser evaluado.
Herramientas como ChatGPT y Claude Code ya forman parte del flujo de trabajo esperado dentro del banco, ya sea para escribir código, revisar documentos o resolver tareas operativas del día a día. Y cuando una institución del tamaño de JPMorgan pone esto en el radar de rendimiento, todo el mercado empieza a prestar atención.
Pero aquí no estamos hablando solo de tecnología. Lo que llama la atención en esta historia es cómo la inteligencia artificial está dejando de ser un diferencial y se está convirtiendo en una expectativa básica, casi como saber usar una hoja de cálculo o un editor de texto. Y eso cambia bastante las cosas, tanto para quien trabaja como para quien contrata. 👀
Qué está haciendo JPMorgan en la práctica
La iniciativa de JPMorgan va más allá de simplemente liberar el acceso a herramientas de inteligencia artificial para los equipos técnicos. El banco creó una estructura de seguimiento que registra con qué frecuencia y de qué forma cada profesional utiliza estas soluciones en su día a día. Esto significa que no basta con tener la herramienta instalada o la cuenta creada. El sistema puede identificar si el uso está ocurriendo de verdad, si se está integrando a las rutinas de trabajo y si está generando resultados concretos en términos de velocidad, calidad y eficiencia.
De acuerdo con materiales internos citados por Business Insider, los gestores están prestando mucha atención a cómo los empleados utilizan las herramientas de IA. El banco creó incluso una clasificación interna que separa a los profesionales según el nivel de involucramiento con estas soluciones. Algunos son etiquetados como usuarios ligeros, mientras que otros entran en la categoría de usuarios intensivos. Esta categorización no es solo informativa, alimenta directamente el proceso de evaluación de desempeño y puede influir en las decisiones de crecimiento dentro de la organización.
Este tipo de monitoreo plantea cuestiones importantes sobre privacidad, autonomía y cultura organizacional, pero el banco parece haber calculado ese riesgo. El mensaje institucional es que el objetivo no es castigar a quien todavía está aprendiendo a usar las herramientas, sino crear incentivos reales para que la adopción ocurra de forma consistente. En otras palabras, JPMorgan entendió que la orientación y el acceso por sí solos no son suficientes para cambiar comportamientos a escala. Es necesario conectar el uso de la IA a algo que el profesional ya valora, como reconocimiento, crecimiento y una evaluación positiva de carrera.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
En la práctica, los ingenieros que demuestran dominio de herramientas como Claude Code para revisar y generar código con más agilidad, o que usan modelos de lenguaje para acelerar documentaciones técnicas, están construyendo un historial que suma puntos a la hora de la evaluación. Es un cambio de mentalidad bastante significativo: la inteligencia artificial deja de ser un recurso opcional y pasa a ser parte de lo que se espera de un profesional competente dentro de la institución. 🚀
JPMorgan ya usaba IA, pero ahora el juego cambió
Es importante recordar que JPMorgan no está empezando de cero con inteligencia artificial. El banco ya utiliza IA desde hace tiempo en áreas estratégicas como detección de fraudes y análisis de riesgo, donde modelos automatizados procesan volúmenes gigantescos de datos para identificar patrones y anomalías que serían prácticamente imposibles de capturar manualmente. Estas aplicaciones ya están consolidadas y forman parte de la infraestructura crítica del banco.
Lo que cambia ahora es el alcance. La novedad está en la expansión del uso de IA hacia un grupo mucho mayor de profesionales, incluyendo ingenieros de software, analistas y técnicos que manejan tareas más diversas y menos especializadas que los equipos de riesgo y cumplimiento normativo. Cuando tomas herramientas generativas como ChatGPT y Claude Code y las pones en manos de 65 mil personas, el potencial de ganancia en productividad es enorme, pero los desafíos de gobernanza y control de calidad también crecen proporcionalmente.
Y es justamente ahí donde entra una cuestión que no puede ignorarse. Estas herramientas de IA generativa son muy buenas para resumir información, generar borradores y acelerar procesos creativos y técnicos, pero también pueden producir resultados incorrectos o incompletos. En un ambiente bancario regulado, donde cada decisión puede tener implicaciones legales y financieras serias, esto exige que los empleados mantengan una mirada crítica sobre todo lo que la IA entrega. La verificación humana sigue siendo esencial, y JPMorgan lo sabe. El banco ya desarrolló controles internos para sistemas de IA en áreas como trading y gestión de riesgo, y expandir el uso a un público más amplio probablemente va a exigir salvaguardas similares. ⚖️
Por qué la adopción a escala es tan difícil
Cualquier persona que haya trabajado en una gran empresa sabe que lanzar una herramienta nueva es la parte más fácil del proceso. El verdadero desafío comienza después, cuando hay que lograr que miles de personas cambien hábitos consolidados, abandonen atajos conocidos y empiecen a confiar en algo que todavía parece nuevo o inestable. Con la inteligencia artificial no es diferente, y en muchos casos es aún más complicado porque involucra una percepción de riesgo que va más allá de lo técnico. Muchos profesionales temen que la IA reemplace funciones, exponiéndolos a una vulnerabilidad que prefieren no enfrentar. Y ahí el resultado paradójico es que evitan justamente la herramienta que podría reforzar su valor dentro de la organización.
En los últimos dos años, la mayoría de las grandes empresas apostó por poner herramientas de IA a disposición de sus departamentos. En la práctica, sin embargo, la adopción ha sido bastante desigual. Algunos equipos experimentan intensamente, prueban límites y crean flujos nuevos basándose en los recursos de IA. Otros prefieren seguir con los procesos que ya conocen, ignorando o subutilizando las soluciones disponibles. Este escenario desigual es exactamente lo que JPMorgan quiere evitar al vincular el uso de IA a las evaluaciones de rendimiento.
Otro obstáculo clásico es la curva de aprendizaje inicial. Herramientas como las que JPMorgan pone a disposición exigen que el profesional aprenda a formular buenas preguntas, entienda los límites del modelo y desarrolle un sentido crítico para validar los resultados generados. Esto demanda tiempo y práctica, y en un ambiente de alta demanda como el de un banco de inversiones global, encontrar espacio para ese aprendizaje en medio de la rutina es genuinamente difícil. Por eso, conectar el uso de la IA a métricas de rendimiento crea un argumento práctico y directo para que las personas prioricen ese aprendizaje, incluso con la agenda llena.
La estrategia de JPMorgan ataca exactamente ese punto al transformar la adopción en algo que tiene consecuencias visibles y positivas para la carrera del profesional. Cuando el uso de la inteligencia artificial aparece en la conversación de evaluación anual, inevitablemente entra en la planificación individual de cada empleado. Y esto crea un efecto de red interesante: a medida que más personas empiezan a usar, más casos de uso surgen, más buenas prácticas circulan internamente y el nivel colectivo de eficiencia sube junto. Es un ciclo que el banco claramente quiere acelerar. 💡
La pregunta que las empresas van a tener que responder
Este movimiento de JPMorgan plantea una cuestión práctica que todas las grandes organizaciones van a tener que enfrentar tarde o temprano: si la inteligencia artificial puede reducir el tiempo necesario para ejecutar determinadas tareas, ¿los empleados deben ser exigidos para producir más trabajo en el mismo período? Esta es una discusión que va mucho más allá de la tecnología y toca directamente temas como bienestar, productividad sostenible y expectativas de entrega.
Existe también una preocupación legítima sobre la presión para usar IA incluso en situaciones donde no mejora claramente el resultado. No toda tarea se beneficia de una herramienta generativa, y forzar el uso indiscriminado puede generar ineficiencias en vez de eliminarlas. El desafío para los gestores será distinguir entre uso frecuente y uso realmente productivo, entendiendo que la cantidad de interacciones con la herramienta no siempre se traduce en calidad de entrega.
Otro punto relevante es cómo medir lo que constituye un buen uso de IA. Abrir ChatGPT para hacer preguntas genéricas es muy diferente a usar la herramienta para generar un borrador técnico detallado que luego es refinado por el profesional con base en su experiencia y conocimiento del contexto. JPMorgan va a necesitar desarrollar criterios claros para esa evaluación, y la forma en que esos criterios sean diseñados puede servir de modelo, o de advertencia, para el resto del mercado.
Qué significa esto para el mercado laboral en tecnología
Cuando una institución financiera del tamaño y la influencia de JPMorgan formaliza la expectativa de uso de inteligencia artificial dentro de los criterios de rendimiento, envía una señal clara a todo el mercado. Otras empresas del sector financiero están observando este movimiento con mucha atención, y la tendencia es que iniciativas parecidas comiencen a aparecer en diferentes segmentos a lo largo de los próximos meses. No necesariamente con el mismo formato de monitoreo, pero con la misma lógica de fondo: los profesionales que saben usar IA con eficiencia entregan más y mejor, y eso va a ser cada vez más reconocido explícitamente en las estructuras de evaluación corporativa.
Si vincular el uso de IA al desempeño genera ganancias medibles de productividad dentro de JPMorgan, modelos similares deberían expandirse rápidamente por el sector. Instituciones financieras competidoras, empresas de tecnología e incluso organizaciones de otros segmentos podrían adoptar enfoques parecidos para acelerar la integración de herramientas de IA en sus equipos.
Herramientas que usamos a diario
Para quienes están construyendo una carrera en tecnología ahora mismo, este movimiento hace aún más urgente el desarrollo de fluidez con herramientas de inteligencia artificial. No estamos hablando de convertirse en especialista en machine learning ni de entender los fundamentos matemáticos de un large language model. Estamos hablando de algo mucho más accesible e inmediato: saber usar bien las herramientas disponibles, entender qué hacen bien, qué no hacen, y cómo integrarlas al flujo de trabajo de forma que el resultado final sea genuinamente mejor y más rápido. Este tipo de habilidad práctica se está volviendo tan fundamental como saber programar en un lenguaje específico o dominar una metodología de gestión de proyectos.
Impacto en la forma de contratar y capacitar profesionales
El enfoque de JPMorgan puede remodelar la forma en que las empresas contratan y capacitan a sus empleados. Habilidades como la escritura de prompts eficientes y la capacidad de verificar críticamente los resultados generados por IA pueden convertirse en requisitos estándar en procesos de selección, de la misma forma que dominar determinado lenguaje de programación o una herramienta de gestión de proyectos ya se exige hoy.
Esto significa que los programas de capacitación corporativa también necesitan evolucionar. No basta con ofrecer un webinar introductorio sobre IA generativa y considerar que el equipo está preparado. Es necesario crear ambientes de práctica continua, compartir casos de uso reales, documentar buenas prácticas y permitir que los profesionales experimenten sin miedo a equivocarse. JPMorgan, al conectar el uso de IA a la evaluación de rendimiento, está creando ese espacio de forma indirecta, al convertir el aprendizaje en una prioridad que compite en igualdad de condiciones con las demás entregas del día a día.
La inteligencia artificial como criterio de rendimiento también plantea un debate que va a seguir creciendo: ¿cómo medir el impacto real de la IA en el trabajo de cada persona sin transformar el monitoreo en algo invasivo o desmotivador? JPMorgan está apostando por un enfoque directo, pero el equilibrio entre seguimiento y autonomía va a ser uno de los temas centrales de las políticas de Recursos Humanos en los próximos años. Y las empresas que logren acertar esa ecuación van a tener una ventaja enorme en la adopción de tecnología y, consecuentemente, en la entrega de resultados para sus clientes y accionistas.
Lo que parece claro es que el movimiento de JPMorgan no es un experimento aislado. Señala un cambio estructural en la forma en que las grandes organizaciones piensan la relación entre sus profesionales y la inteligencia artificial. La IA ya no es un proyecto piloto ni una curiosidad de laboratorio. Se está convirtiendo en parte de la mesa de trabajo, y quien sepa usarla con inteligencia va a estar mejor posicionado, no solo dentro de JPMorgan, sino en cualquier lugar donde la eficiencia y la capacidad de adaptación marcan la diferencia. 🎯
