La ingeniería de plantilla siempre ha existido. Solo que nunca le pusimos nombre.

Toda disciplina empieza igual. La gente hace el trabajo durante años antes de que a nadie se le ocurra definirlo. La ingeniería de software existía antes que el término. DevOps era una práctica antes de ser una categoría. FinOps era una hoja de cálculo y una oración hasta que alguien decidió que la gestión del coste de la nube merecía un nombre y una conferencia.

Con Workforce Engineering pasa lo mismo. Todo líder que ha intentado averiguar si su equipo está bien desplegado, si las personas adecuadas están en las cosas adecuadas al coste adecuado, ha hecho Workforce Engineering. Solo que no lo llamaba así. Lo llamaba planificación trimestral, o revisión de plantilla, o esa hoja de cálculo que rehacía cada tres meses y que odiaba cada vez.

Yo llevo haciéndolo buena parte de mi carrera. Sospecho que tú también.

Lo que ha pasado en realidad

Piensa en todas las conversaciones de recursos que has tenido. Alguien pregunta: ¿este proyecto tiene la gente que necesita? ¿Estamos sacando valor de este equipo? Si pasáramos a dos personas del equipo A al equipo B, ¿qué cambiaría? Mueves a dos ingenieros sénior a la nueva iniciativa de IA, pero como no veías las dependencias aguas abajo, la release de tu producto principal se retrasa un mes. Todos vieron el movimiento. Nadie vio la consecuencia hasta que llegó.

Esas no son preguntas de recursos humanos. Son preguntas de sistemas. Intentas modelar un sistema (entradas, salidas, restricciones, compromisos) y tomar decisiones que optimicen los resultados. Que las entradas sean personas y no servidores no cambia la naturaleza básica del trabajo.

Pero nunca lo hemos tratado como una disciplina de ingeniería. Lo hemos tratado como una corazonada con disfraz de hoja de cálculo. Coges las cifras de plantilla, las multiplicas por las bandas salariales, las divides por el número de proyectos activos y llegas a un número que parece más o menos correcto hasta que alguien se va o el consejo suelta una prioridad nueva.

El problema siempre fue la medición. No puedes diseñar lo que no puedes instrumentar. Y en la mayoría de las organizaciones, la plantilla ha estado casi por completo sin instrumentar. Sabes lo que pagas. Tienes una idea aproximada de en qué trabaja la gente. La conexión entre esas dos cosas, qué esfuerzo se desplegó sobre qué resultados y a qué coste, ha sido una caja negra.

Ese es el hueco que llena la ingeniería de plantilla.

La definición

La ingeniería de plantilla es la disciplina de diseñar, medir y optimizar a propósito cómo despliega una organización su mano de obra para producir resultados.

Trata la plantilla como un sistema. Como cualquier sistema, se puede instrumentar, modelar, prever y mejorar. El objetivo no es la visibilidad por sí misma. Es poder tomar mejores decisiones, más rápido y con menos conjeturas. Y que quede claro: no se trata de exprimir más a la gente. Se trata de protegerla del caos, el agotamiento y las prioridades desalineadas, asegurando que el sistema que la rodea esté equilibrado.

Tiene seis prácticas centrales:

Medir (Measure). Instrumenta bien la plantilla. ¿Quién trabaja en qué, a qué coste, hacia qué resultados? Es la base. Sin ella, todo lo demás es estimación.

Atribuir (Attribute). Conecta el esfuerzo con los resultados a nivel de proyecto. No “gastamos £400k en este equipo el trimestre pasado”, sino “esos £400k se repartieron entre estos cinco proyectos, con este resultado y este factor de apalancamiento de la IA.”

Optimizar (Optimise). Toma decisiones activas a partir de los datos. Reasigna capacidad donde hace falta. Recorta gasto donde no da retorno. Identifica dónde la IA acelera de verdad la entrega y dónde quema presupuesto sin mover nada.

Prever (Forecast). Proyecta hacia delante con confianza. Modela el impacto de las contrataciones, los cambios de equipo y la inversión en IA antes de hacerlos, en vez de explicar las consecuencias después.

Mejorar (Improve). Trátalo como una disciplina iterativa, no como un evento trimestral. El plan que montas en enero está equivocado en febrero. Un sistema vivo que refleja la realidad vale más que un plan perfecto que se queda viejo.

Recuperar (Recover). Una buena ingeniería de plantilla se paga sola. Cuando ves con claridad qué hace tu plantilla y dónde aterriza el esfuerzo, sale a la luz un valor financiero que siempre estuvo ahí pero invisible: desgravaciones fiscales de I+D, clasificación como CapEx, eliminación de herramientas redundantes. La mayoría de las organizaciones deja mucho dinero sobre la mesa, no por negligencia, sino porque nunca tuvieron la visibilidad para reclamarlo.

Por qué ahora

La ingeniería de plantilla siempre ha existido en la práctica. Pero ahora se está volviendo urgente. La IA ha roto la suposición de que gestionar una plantilla es un problema de número de personas. Un equipo de catorce que antes se encargaba de una vertical de producto puede tener ahora el rendimiento efectivo de veinte, o de ocho, según lo bien que use las herramientas de IA. La unidad básica de la planificación de plantilla, el puesto, ya no te dice qué estás recibiendo.

El papel del ingeniero ha pasado de colaborador individual a orquestador de agentes de IA, pero nuestros modelos operativos siguen tratándolo como un puesto más. Mientras tanto, el gasto empresarial en IA crece más rápido de lo que nadie planificó y aterriza en el presupuesto sin un responsable claro. Se prevé que el gasto empresarial en IA crezca un 36% interanual. Casi todo va a herramientas, asistentes, API de LLM e infraestructura agéntica en todas las funciones, y la mayoría de los equipos de finanzas no tiene ni idea de lo que produce. Está en algún punto entre una suscripción de software y un coste de infraestructura, clasificado sin criterio y revisado, con suerte, cada trimestre.

Los CTO y CFO con los que hablamos no hacen preguntas abstractas sobre estrategia de IA. Preguntan: ¿qué estamos sacando realmente de esto? ¿Nuestra inversión en IA acelera la entrega o solo suma coste? Si dobláramos el presupuesto, ¿qué cambiaría? No tienen respuestas porque hasta ahora no existían las herramientas para darlas.

Es un momento decisivo. Las empresas que construyan ahora la infraestructura para medir y gestionar la IA como una forma de mano de obra tendrán una ventaja estructural sobre las que lo averigüen dos años después, cuando el gasto haya escalado y el desperdicio se haya acumulado. Hablamos con organizaciones que gastan cientos de miles al año en herramientas de IA sin forma de conectarlo con un proyecto o un resultado. No es un problema pequeño. Es una crisis de gobernanza a cámara lenta.

Los viejos indicadores (plantilla, tasas de utilización, producción por persona) ya eran insuficientes. Ahora engañan de forma activa. Necesitas un sistema distinto.

Por qué le pusimos nombre

Cuando Oliver y yo construíamos Flowstate, volvíamos una y otra vez a la misma tensión. El producto tenía un valor claro: conectar los datos de esfuerzo humano con los resultados de los proyectos, integrar el gasto en IA y permitir decisiones reales sobre la plantilla. Pero no existía la categoría para describirlo.

Workforce Management es el marco equivocado. Eso es planificación de turnos, control horario y asistencia, trabajadores por turnos. Es Workday y ADP y herramientas hechas para un mundo donde la unidad de trabajo es una persona fichando.

FinOps es el marco equivocado. Eso son costes de la nube. Una categoría útil de verdad, para otro problema.

Engineering Management es el marco equivocado. Demasiado operativo, demasiado centrado en los líderes de ingeniería, y no recoge la dimensión financiera.

Ninguno describe lo que hacemos de verdad: tratar la plantilla, humana y de IA, como un sistema que hay que diseñar.

Así que le pusimos nombre. Workforce Engineering. No porque inventáramos la práctica (como dije al principio, la gente lleva años haciéndola), sino porque ponerle nombre importa. Los nombres crean categorías y las categorías crean mercados.

La definimos a propósito, porque creemos que las empresas que adopten la ingeniería de plantilla como práctica, y no solo compren una herramienta, tomarán decisiones mucho mejores sobre cómo despliegan su recurso más caro y más valioso.

Qué aspecto tiene ganar

Sabes que haces bien la ingeniería de plantilla cuando:

• Puedes responder “¿somos cada vez más eficientes?” con datos y no con una sensación
• Cada libra de mano de obra, humana o de IA, se puede rastrear hasta un proyecto y un resultado
• Las decisiones de plantilla se toman con el mismo rigor que las de inversión de capital
• Puedes prever el coste de entrega antes de que empiece un proyecto, en vez de explicar los sobrecostes cuando termina
• Las decisiones de reasignación se toman de forma proactiva y no en el análisis post mortem
• La dirección confía en el plan lo bastante para moverse más rápido en lugar de pedir otra ronda de revisión
• Dejas de perder a buena gente por una mala asignación, porque ves el problema antes de que empiecen a hacer entrevistas en otro sitio

La mayoría de las organizaciones no se acerca ni de lejos. Pero las que lo han logrado no llegaron comprando una herramienta ni adoptando un marco. Llegaron porque alguien decidió tomarse el problema en serio: ponerle nombre, instrumentarlo e iterar sobre él igual que con cualquier otro reto de ingeniería.

Eso es todo lo que es la ingeniería de plantilla. Un nombre para la disciplina que probablemente llevas practicando sin tenerlo.

---

Soy cofundador y CTO de Flowstate, la plataforma de Workforce Engineering para organizaciones modernas. Ayudamos a las empresas a conectar el esfuerzo humano y el gasto en IA con los resultados de los proyectos, para que tomen mejores decisiones sobre cómo despliegan su plantilla.