De la anécdota al modelo económico: construir el caso a favor de la localización de expertos a nivel empresarial.

Acerca del cliente

La Empresa Z es un fabricante farmacéutico global. La división de manufactura de la Empresa Z supervisa la formulación, el envasado y la distribución de su cartera global de productos a través de una red de manufactura interdependiente. A principios de la década de 2020, el Centro de Excelencia de Gestión del Conocimiento de la Empresa Z impulsaba varias iniciativas paralelas para modernizar la forma en que los científicos e ingenieros de la división encuentran contenido y se encuentran entre sí. Este caso de negocio de localización de expertos era una de esas líneas de trabajo.

Contexto del sector

Gartner define la localización de expertos como identificar la pericia humana, determinar el estado de ese recurso e integrar a la persona o la pericia en el proceso de interacción; en la práctica, un inventario de habilidades, ubicaciones geográficas, disponibilidad y otros parámetros relevantes para utilizar esa pericia. El desafío es especialmente agudo en la manufactura de ciencias de la vida, donde el conocimiento valioso es técnico, tácito y está distribuido de forma desigual en una gran plantilla global. Como resultado, la persona mejor preparada para resolver un problema dado puede estar en una función o un país distintos de los de quien busca. Las herramientas comerciales construidas para este fin tienen un historial bien documentado de adopción deficiente: el propio Delve de Microsoft, uno de los dos sistemas que Iknow evaluó en este proyecto, fue finalmente retirado del mercado en diciembre de 2024 tras años de tracción limitada. Esto refuerza que arreglar la localización de expertos requiere más que desplegar una herramienta: exige estructuras de datos y taxonomías que reflejen cómo una plantilla concreta busca realmente la pericia.

Situación actual

El equipo del COE de KM de la Empresa Z tenía muchos ejemplos de expertos en la materia encontrados a través de redes personales, pero carecía de un caso de negocio definitivo que justificara invertir en procesos y sistemas estandarizados. Los sistemas existentes de la Empresa Z, Delve y Workday, estaban plagados de problemas: carecían de las estructuras de datos habitualmente utilizadas para buscar expertos; sus habilidades y competencias no estaban alineadas con la terminología científica y de ingeniería de la Empresa Z ni con su taxonomía de búsqueda empresarial; y el despliegue había sido tan deficiente que los sistemas contenían perfiles de menos del 15% de la plantilla. El COE de KM de la Empresa Z pidió a Iknow capturar casos de uso detallados sobre la búsqueda de expertos y desarrollar un caso de negocio para mejorar los procesos y las herramientas de localización de expertos.

• Sin caso de negocio formal pese a una necesidad anecdótica clara. El COE de KM de la Empresa Z podía citar muchos ejemplos individuales de búsqueda de expertos mediante redes personales, pero no tenía nada lo bastante riguroso para justificar nuevas inversiones.
• Sistemas presentes pero funcionalmente ausentes. Delve y Workday existían, pero sus estructuras de datos no se alineaban con la forma en que los empleados buscaban realmente a los expertos, y sus habilidades y competencias no estaban alineadas con la terminología científica y de ingeniería de la Empresa Z.
• Un fracaso de despliegue casi total. Los sistemas de perfiles existentes cubrían a menos del 15% de la plantilla, de modo que incluso una herramienta de búsqueda técnicamente sólida no habría tenido casi nada en qué buscar.
• La necesidad de evidencia lo bastante rigurosa para ganar la inversión. Construir un caso de negocio defendible significaba traducir una búsqueda de expertos más rápida en un valor económico creíble, no solo en mejores anécdotas.

• Capturar casos de uso detallados y reales que describan cómo los empleados de la Empresa Z buscan y utilizan la pericia.
• Desarrollar un modelo para estimar el valor de negocio de una localización de expertos mejorada.
• Analizar los sistemas existentes de la Empresa Z relacionados con la pericia, Microsoft Delve y Workday, para identificar las brechas actuales.
• Entregar un caso de negocio sólido y basado en evidencia que respalde nuevas inversiones en procesos y herramientas de localización de expertos.

Cómo estructuró Iknow el trabajo

Iknow construyó el caso de negocio por capas: entrevistas estructuradas para hacer aflorar casos de uso reales, síntesis de esos casos de uso en patrones validados y fuentes de valor, un modelo económico que traducía esos patrones en dólares, y análisis de apoyo para cimentar las recomendaciones en los sistemas y la plantilla reales de la Empresa Z.

Actividades y decisiones clave

• Entrevistas con las partes interesadas. Iknow realizó 16 entrevistas con empleados de las funciones y departamentos de negocio de la Empresa Z, preparando resúmenes escritos que capturaban las ideas de cada conversación.
• Síntesis de casos de uso. Las 16 entrevistas arrojaron 22 escenarios de casos de uso que describían instancias en las que los empleados utilizaban redes personales para lograr una meta o tarea definida. Iknow los validó en nueve tipos de casos de uso organizados en cuatro grupos: obtener respuesta a una pregunta administrativa, realizar tareas centrales del propio trabajo, encontrar a una persona que realice tareas centrales del trabajo y analizar la plantilla de la Empresa Z.
• Fuentes de valor. Iknow identificó cinco fuentes primarias de valor de negocio de la localización de expertos: menor tiempo de ciclo de resolución de problemas, resultados de mayor calidad, mayor innovación, menor sobrecarga de información y apoyo al desarrollo profesional.
• Modelo de valor económico. Iknow desarrolló un modelo que estimaba el valor de la localización de expertos para la División a partir del acortamiento de los ciclos de resolución de problemas de negocio, en función de la complejidad del problema (problemas bien estructurados frente a mal estructurados) y de la magnitud del impacto en el avance de un equipo de proyecto.
• Análisis de sistemas. Iknow analizó los datos de perfiles de empleados existentes de Microsoft Delve y Workday de la Empresa Z para documentar las brechas del estado actual que subyacían a los malos resultados de búsqueda.
• Desarrollo de personas. Iknow desarrolló ocho personas de empleado para cimentar los casos de uso y las recomendaciones en tipos de usuario representativos de toda la Empresa Z.

Partes interesadas y colaboración

Iknow actuó como contratista principal, trabajando directamente con el equipo del COE de KM de la Empresa Z y entrevistando a empleados de las funciones y departamentos de negocio de la Empresa Z. El proyecto se desarrolló en paralelo a otras líneas de trabajo de Iknow para el COE de KM de la Empresa Z, reflejando el impulso más amplio del Centro por modernizar la gestión del conocimiento en aquel momento.

Convertir anécdotas dispersas en evidencia rigurosa

El COE de KM de la Empresa Z tenía muchas historias individuales sobre la búsqueda de expertos, pero carecía de una base estructurada para una decisión de inversión. Iknow lo abordó entrevistando sistemáticamente a 16 empleados de distintas funciones y sintetizando sus aportaciones en 22 escenarios de casos de uso documentados y nueve tipos de casos de uso validados, convirtiendo impresiones anecdóticas en un conjunto de datos estructurado y defendible.

Hacer tangible el valor de encontrar expertos más rápido

Un caso de negocio basado únicamente en afirmaciones cualitativas sobre una mejor colaboración no habría justificado una nueva inversión. Iknow lo abordó construyendo un modelo de valor ligado directamente a un resultado medible (el acortamiento del tiempo de ciclo de resolución de problemas, ponderado por la complejidad del problema y el impacto en el proyecto), de modo que el caso de negocio se apoyara en una estimación económica y no en una colección de testimonios.

Resultados cuantitativos

• Entrevistas con las partes interesadas: 16 empleados de las funciones y departamentos de negocio de la Empresa Z.
• Casos de uso documentados: 22 casos de uso reales, validados y agrupados en nueve tipos de casos de uso dentro de cuatro grupos.
• Personas desarrolladas: ocho personas de empleado que cimentaron el análisis en tipos de usuario representativos.
• Cobertura de referencia de los sistemas: menos del 15% de la plantilla tenía perfiles en los sistemas existentes Delve y Workday de la Empresa Z, la brecha que el caso de negocio debía superar.

Resultados cualitativos

El modelo económico de Iknow demostró un beneficio de negocio significativo, proporcionando al COE de KM de la Empresa Z el caso de negocio riguroso y defendible del que había carecido. Con base en esos hallazgos, la Empresa Z aprobó y asignó financiamiento adicional para el trabajo posterior de localización de expertos: un compromiso organizacional concreto y no una recomendación archivada. El diagnóstico subyacente también demostró ser duradero: años después, el propio Delve de Microsoft fue retirado del mercado tras batallar con los mismísimos problemas de adopción y alineación que el COE de KM de la Empresa Z ya había identificado en su propio entorno.

Tiempo hasta el impacto

Iknow entregó la investigación de casos de uso, el análisis de sistemas, las personas y el caso de negocio dentro del período contratado de cuatro meses, y la decisión de financiamiento de la Empresa Z para el trabajo posterior se derivó directamente de estos hallazgos.

Competencias principales

• Estrategia de localización de expertos
• Investigación y síntesis de casos de uso
• Caso de negocio y modelado de valor
• Desarrollo de personas de empleado

Métodos y marcos de trabajo

• Entrevistas estructuradas con las partes interesadas
• Análisis de escenarios de casos de uso
• Modelado de valor económico (tiempo de ciclo de resolución de problemas)
• Desarrollo de personas

Tecnologías y herramientas

• Análisis de datos de perfiles de empleados de Microsoft Delve y Workday