¿Cómo saber si un profesional técnico trabaja con inteligencia artificial o simplemente utiliza algunas herramientas? Esta fue una de las grandes preguntas que abordamos en Tech Show Madrid 2026, donde compartimos escenario con Piper AI para hablar de talento, tecnología y nuevas formas de trabajar.
El pasado 4 de noviembre, Alonso de Mendoza y yo participamos en nombre de Shakers junto a Michele, cofundador de Piper AI, en una conversación sobre cómo la inteligencia artificial está transformando los procesos de selección y las habilidades que necesitan los equipos tecnológicos.
La charla partió de nuestra propia experiencia: dos startups que comenzaron colaborando para mejorar sus procesos y terminaron convirtiéndose en clientes la una de la otra.
Pero también nos permitió profundizar en un reto que cada vez preocupa más a las empresas: cómo identificar talento que no solo conozca la IA, sino que sepa integrarla en su trabajo con autonomía, criterio y resultados.
De cliente a partner: cómo empezó la colaboración entre Shakers y Piper AI
En Shakers creemos que la colaboración entre empresas tecnológicas puede ser una de las mejores formas de acelerar la innovación.
Es una filosofía que Michele trajo al escenario desde Silicon Valley, donde se conoce como comprar a tus vecinos: las startups no solo compiten, también prueban las soluciones de otras empresas de su ecosistema, comparten feedback y se convierten en sus primeros clientes, como hizo Stripe con otras empresas de Y Combinator. Cuando dos empresas emergentes trabajan juntas, los ciclos de venta se acortan y el feedback llega directamente a quienes construyen el producto. Piper cuenta su lado de la historia en el artículo «Compra a tus vecinos: lo que dos startups de IA españolas copiaron de San Francisco», que te recomendamos leer si quieres profundizar en esta filosofía.
Nuestra relación con Piper AI es un ejemplo de ello.
En agosto de 2025 comenzamos a utilizar Piper, una solución de inteligencia artificial que permite analizar conversaciones y automatizar tareas asociadas a los procesos comerciales y de selección.
Inicialmente, incorporamos la herramienta a nuestro equipo comercial para analizar reuniones, identificar oportunidades de mejora y facilitar el seguimiento de las conversaciones con clientes.
Pronto descubrimos que también podía aportar mucho valor a nuestro equipo de Talent.
A través de su integración con otras herramientas mediante MCP (Model Context Protocol), empezamos a utilizar Piper para registrar entrevistas, analizar la información obtenida y agilizar la evaluación de candidatos.
Esta colaboración también permitió a Piper descubrir nuevas aplicaciones de su tecnología.
Por ejemplo, les trasladamos la necesidad de grabar entrevistas individuales, siempre con el consentimiento del candidato, sin que un bot entre en la videollamada, para que la conversación sea más natural. A partir de este feedback, Piper desarrolló nuevas funcionalidades que respondían a nuestras necesidades.
La relación dejó de ser únicamente la de un proveedor y su cliente para convertirse en un proceso de aprendizaje y mejora continua.
Y esa confianza fue la que abrió la puerta a una segunda colaboración, esta vez en la dirección contraria: ayudar a Piper a incorporar talento técnico especializado en IA para acompañar su crecimiento.
El reto de Piper AI: encontrar talento técnico que trabaje con IA
En pleno proceso de crecimiento, Piper necesitaba ampliar su equipo de ingeniería con perfiles senior que reunieran unas características muy concretas.
No buscaban únicamente desarrolladores con experiencia en backend o conocimientos de Python. Necesitaban profesionales capaces de integrar la inteligencia artificial en su forma de programar, trabajar con autonomía y adaptarse rápidamente a nuevas herramientas y metodologías.
Encontrar ese talento estaba resultando especialmente complicado.
Durante la ponencia, Michele explicó que habían realizado más de 40 entrevistas para cubrir dos posiciones, sin conseguir avanzar al ritmo que necesitaban.
El principal problema no era la falta de candidatos, sino la dificultad para identificar cuáles reunían las capacidades que buscaban.
Porque una cosa es que un profesional afirme que utiliza inteligencia artificial y otra muy distinta es comprender cómo la aplica, qué decisiones toma y hasta qué punto es capaz de evaluar los resultados que obtiene.
Fue entonces cuando Piper decidió probar el modelo de talento de Shakers. Pero antes de contar cómo terminó el proceso, conviene detenerse en la pregunta de fondo: ¿qué significa hoy ser un buen profesional técnico cuando la inteligencia artificial está cambiando la forma de desarrollar software?
Por qué usar IA ya no es suficiente
Según nuestro estudio State of European AI Builders 2026, realizado entre 1.035 profesionales tecnológicos de 23 países europeos, el 73 % de los encuestados ya mantiene al menos un agente de IA o flujo automatizado en funcionamiento.
El uso de estas herramientas se está extendiendo rápidamente, pero eso no significa que todos los profesionales las integren de la misma manera en su trabajo. Hay una diferencia importante entre utilizar un asistente para resolver tareas puntuales y apoyarse en agentes de IA para desarrollar software, tomar decisiones técnicas y supervisar los resultados.
Por eso, preguntar a un candidato si utiliza IA ya no es suficiente. Lo importante es entender cómo la utiliza, qué autonomía tiene y qué criterio aplica para evaluar lo que genera.
Y aquí es donde Michele compartió una analogía que ayuda a entender qué deberían empezar a valorar las empresas cuando buscan talento técnico.
Hardware y software: por qué la mentalidad importa tanto como las habilidades
Durante la ponencia, Michele recuperó una idea de un antiguo responsable de talento con el que había trabajado: analizar a los profesionales como si fueran un ordenador, distinguiendo entre dos dimensiones.
- El software: las habilidades que se pueden actualizar. Los lenguajes de programación, los conocimientos sobre cloud o el dominio de herramientas concretas pueden aprenderse y evolucionar con formación y experiencia.
- El hardware: la mentalidad con la que afrontamos los cambios. La curiosidad, la capacidad de adaptación y la disposición a aprender nuevas formas de trabajar son cualidades mucho más difíciles de desarrollar si no forman parte de la manera de pensar del profesional.
En un entorno en el que las herramientas de IA evolucionan constantemente, esta distinción cobra especial relevancia. Evaluar únicamente el stack tecnológico de un candidato significa centrarse en conocimientos que pueden cambiar rápidamente, dejando en segundo plano su capacidad para adaptarse a lo que viene.
Como explicó Michele, el encaje de un profesional depende cada vez más de su mentalidad y no solo de sus habilidades técnicas actuales.
¿Qué perfil busca hoy un equipo AI-native?
La mentalidad no sustituye a la base técnica. En Piper AI apuestan actualmente por perfiles senior con una base técnica sólida, capaces de comprender la arquitectura del software, identificar qué constituye un código de calidad y tomar decisiones fundamentadas.
Pero hay una diferencia respecto a los modelos de desarrollo tradicionales: ya no se trata necesariamente de escribir cada línea de código, sino de saber orquestar agentes de IA sin perder la capacidad de supervisar y validar su trabajo.
Esa base técnica es la que permite revisar el código generado por la IA antes de llevarlo a producción. La IA puede acelerar el desarrollo, pero el criterio para garantizar la calidad del resultado sigue siendo del profesional.
Esta evolución también abre nuevas preguntas sobre los perfiles más junior. Algunos profesionales han comenzado a programar directamente con herramientas como Claude, sin haber pasado por los mismos procesos de aprendizaje que generaciones anteriores. ¿Necesitarán desarrollar todos esos conocimientos técnicos o podrán apoyarse cada vez más en los modelos de IA?
Todavía no hay una respuesta definitiva. Lo que sí parece claro es que el valor del desarrollador está evolucionando desde la ejecución hacia la capacidad de dirigir, evaluar y mejorar el trabajo realizado con IA.
Durante la charla, trasladé esta reflexión a los procesos de selección: cuando una empresa busca hoy un desarrollador backend especializado en Python, no necesita únicamente a alguien que domine ese lenguaje, sino a un profesional que sepa utilizar la inteligencia artificial con criterio para desarrollar soluciones de calidad.
Es una de las características que definen a los perfiles que en Shakers denominamos AI Builders: profesionales que combinan experiencia técnica con la capacidad de integrar la IA en su forma de construir tecnología.
Y si estas capacidades son cada vez más importantes, también necesitamos nuevas formas de evaluarlas.
¿Cómo evaluamos en Shakers el nivel de adopción de IA del talento técnico?
En Shakers llevamos tiempo trabajando en este desafío: cómo evaluar el nivel de adopción de inteligencia artificial de un profesional, más allá de lo que cuenta durante una entrevista o de las herramientas que aparecen en su currículum.
Para ello, hemos desarrollado una matriz de adopción de IA impulsada por Adrián de Pedro, fundador de Shakers y responsable de su área tecnológica.
El proyecto comenzó en 2025 como un piloto interno con nuestro equipo de tecnología. El objetivo era comprender cómo profesionales con distintas especializaciones, niveles de experiencia y conocimientos técnicos estaban incorporando la inteligencia artificial a su trabajo.
Tras ese primer año de evaluación interna, en 2026 comenzamos a extender esta metodología a nuestra comunidad de talento tecnológico.
Actualmente, cuando un especialista inicia su proceso de certificación en Shakers, podemos complementar nuestra evaluación habitual con dos mecanismos que nos ayudan a conocer su nivel de adopción de IA.
1. Una entrevista por voz con Alma, nuestra agente de IA
A través de Alma, nuestra agente de inteligencia artificial, los profesionales realizan una entrevista de aproximadamente diez minutos en la que responden preguntas sobre su experiencia, su forma de trabajar y cómo utilizan la IA en sus proyectos.
Esta conversación permite obtener una primera aproximación a su nivel de adopción y situarlo dentro de nuestra matriz de evaluación.
2. Un análisis de cómo utiliza la IA en su entorno de trabajo
Además de lo que el profesional cuenta durante la entrevista, buscamos comprender cómo integra estas herramientas en su día a día.
Con su autorización y mediante conexiones MCP, el especialista puede conectar herramientas como repositorios, archivos de instrucciones, agentes o automatizaciones para analizar cómo usa la IA.
Cuando no es posible o el profesional prefiere no conectar sus herramientas, puede aportar información sobre su uso mediante un cuestionario.
La diferencia es importante: una cosa es lo que un profesional declara saber hacer y otra es poder observar cómo trabaja con inteligencia artificial.
Esta evaluación no sustituye al proceso de certificación técnica de Shakers, sino que lo complementa. Seguimos valorando la experiencia, las competencias técnicas, las soft skills, las motivaciones y los objetivos profesionales de cada especialista.
Al combinar toda esta información, podemos comprender mejor qué puede aportar cada persona a un proyecto y realizar conexiones más precisas con las empresas que necesitan ese talento.
Y esa forma de trabajar fue una de las claves de nuestra colaboración con Piper.
Pocos perfiles, bien elegidos: cómo terminó el caso Piper
En lugar de presentar una gran cantidad de candidatos, trabajamos para comprender las necesidades técnicas del equipo de Piper y seleccionar perfiles que encajaran tanto por su experiencia como por su forma de trabajar. Después de más de 40 entrevistas por su cuenta, el equipo de Michele encontró a los dos profesionales que necesitaba entre aproximadamente cinco perfiles presentados por Shakers.
Este caso refleja una de nuestras principales convicciones, y así lo resumí durante la ponencia: en la selección de talento tecnológico, la calidad del matching importa mucho más que el volumen de candidatos. En Shakers no buscamos presentar el mayor número posible de perfiles, sino identificar a los profesionales que encajan con las necesidades de cada proyecto.
La lógica es sencilla. Enviar quince perfiles a una empresa no significa necesariamente ofrecerle quince buenas opciones. En muchos casos, supone trasladarle el trabajo de filtrado y obligarla a dedicar tiempo a entrevistas que podrían haberse evitado con una evaluación previa más precisa.
Pero hay otra dimensión igual de importante: la experiencia de los propios profesionales.
Cada persona que participa en un proceso de selección invierte tiempo, comparte sus expectativas y se implica en una posible oportunidad. Por eso, creemos que priorizar la calidad frente al volumen es también una forma de respetar el tiempo y las expectativas del talento.
Y no solo importó la calidad del encaje. Como destacó Alonso durante la conversación, la rapidez para identificar a esos especialistas también fue determinante.
Esta capacidad de conectar a las empresas con profesionales previamente evaluados, sin tener que iniciar la búsqueda desde cero cada vez que surge una necesidad, es lo que en Shakers llamamos talento ready to build.
Eso sí, Michele introdujo un matiz importante: encontrar a la persona adecuada no significa encontrar a alguien que llegue sabiendo absolutamente todo. Los profesionales también necesitan evolucionar con el proyecto, y las empresas deben tener claro qué quieren construir y hacia dónde quieren avanzar.
Por eso, un buen proceso de selección no consiste únicamente en validar conocimientos, sino también en identificar la capacidad de crecimiento y el encaje entre las expectativas del profesional y las necesidades de la empresa.
Lo que nos llevamos de Tech Show Madrid 2026
La conversación con Piper AI nos dejó una reflexión que va más allá de la selección de talento: evaluar la adopción de inteligencia artificial es un reto que afecta a todos los equipos, no únicamente a los departamentos tecnológicos.
De hecho, al conocer nuestra matriz de evaluación, Michele planteó la posibilidad de aplicar un enfoque similar a su equipo comercial. Una forma de entender cómo utilizan actualmente la IA, identificar oportunidades de mejora y definir hacia dónde deberían evolucionar.
Alonso también destacó el potencial de trasladar este tipo de análisis a los equipos de negocio, donde conocer el nivel de adopción de IA puede ayudar a optimizar procesos y mejorar la productividad.
Y es que, a medida que la inteligencia artificial transforma nuestra forma de trabajar, las empresas necesitan comprender no solo qué herramientas tienen disponibles, sino cómo las están utilizando sus equipos.
Nuestra experiencia con Piper demuestra, además, el valor de construir relaciones entre empresas que van más allá de una colaboración puntual. Lo que comenzó con la incorporación de una herramienta de IA a nuestros procesos terminó convirtiéndose en una relación en la que ambas compañías hemos podido aprender, evolucionar y ayudarnos a crecer.
Nos quedamos con dos aprendizajes: que las startups pueden avanzar más rápido cuando comparten conocimiento y se apoyan entre sí, y que hoy el reto ya no es encontrar profesionales que usen IA, sino medir cómo la usan, con datos y no solo con las impresiones de una entrevista.
Si te interesa ver la conversación completa entre Alonso, Michele y yo en Tech Show Madrid 2026, aquí tienes el vídeo de la ponencia:
¿No se carga el vídeo? Míralo directamente en YouTube.
¿Quieres profundizar en cómo construir equipos de desarrollo preparados para trabajar con agentes de IA?
Descubre nuestro AI Builders Playbook, una guía técnica para integrar agentes en los procesos de desarrollo, aumentar su autonomía y mantener el control sobre la calidad del software.

