Actualitzat: maig 2026 · Per Rafa Torres García, CTO i cofundador de Voicit
L'anàlisi de competències toves és un dels aspectes més complexos en qualsevol procés de selecció. A diferència de les habilitats tècniques, que podeu validar amb tests o certificacions, les competències conductuals requereixen evidència qualitativa: relats d'experiències, exemples concrets de comportament, resultats demostrables.
Com s'avaluen competències amb IA sense al·lucinacions? Aplicant metodologia conductual (BEI, Tècnica de l'Incident Crític, STAR), un diccionari de competències amb nivells ben definits i un procés dividit en tres fases – extracció, avaluació i síntesi – amb traçabilitat completa a cada moment de la conversa.
Amb l'explosió d'eines d'IA a RRHH, moltes consultores de selecció estan experimentant amb ChatGPT, Claude o altres models per avaluar competències a partir dentrevistes. El problema: la majoria obté resultats superficials, inconsistents o directament inventats.
En aquest article t'expliquem per què la IA al·lucina en analitzar competències, què necessites per obtenir avaluacions fiables i com Voicit resol aquest problema de forma automàtica per a consultores i equips de selecció.
En aquest article
- Per què la IA al·lucina en avaluar competències
- Exemple real d'al·lucinació
- Les 4 claus per avaluar competències amb IA de forma fiable
- El problema d'implementar-ho manualment
- Com Voicit ho resol automàticament
- El que fa diferent de Voicit
- Resum: què demanar-li a una IA per avaluar competències
- Preguntes freqüents
⏱ Si només tens 30 segons
• Per què falla la IA: sense metodologia cerca paraules clau, no comportaments. Omple buits amb suposicions.
• El que necessita per encertar: incidents crítics complets (situació + acció + resultat), diccionari amb nivells i procés en fases.
• El que aporta Voicit: els tres pilars aplicats de forma automàtica, amb traçabilitat temporal a cada incident.
• Per a qui és: consultores de selecció i equips de RRHH que entrevisten diversos candidats a la setmana.
🤖 Per què la IA al·lucina en avaluar competències
Els models de llenguatge com GPT o Claude són increïblement bons generant text coherent. Però això no vol dir que sàpiguen avaluar competències professionals.
Quan demanes a un LLM que «avaluï el lideratge» d'un candidat basant-se en una transcripció, el model:
- Cerca paraules clau relacionades amb lideratge (equip, projecte, coordinació).
- Interpreta qualsevol menció vaga com a evidència («vaig treballar amb l'equip» = lideratge).
- Omple buits amb suposicions basades en patrons estadístics del seu entrenament.
- Genera avaluacions que sonen raonables però no estan recolzades per evidència conductual sòlida.
El resultat: informes que semblen professionals però que no resisteixen una anàlisi crítica. Per a una consultora de selecció, això és un risc doble - compromets la qualitat de l'informe que entregues al client i la teva pròpia reputació professional.
🔍 Exemple real d'al·lucinació
«En el meu treball anterior coordinava amb l'equip de màrqueting per llançar campanyes.»
"El candidat demostra competència de lideratge de nivell avançat en coordinar equips multidisciplinaris i gestionar projectes d'alt impacte."
Problemes detectats:
- No sabem si el candidat liderava o simplement coordinava.
- No hi ha evidència d'«alt impacte».
- No coneixem el resultat de les campanyes.
- Nivell avançat s'assigna sense criteris clars.
Això no és culpa del model. És culpa de com demanem que treballi.
🧭 Les 4 claus per avaluar competències amb IA de forma fiable
Basant-nos en la nostra experiència construint el sistema d'avaluació de competències de Voicit, aquestes són les quatre claus que fan la diferència entre una anàlisi superficial i una de realment útil per a consultores de selecció.
1. Usa metodologia conductual, no paraules clau
L'avaluació de competències no és un exercici de cerca de termes. És una anàlisi conductual basada en metodologies provades:
- Entrevistes per Incidents Crítics (Behavioral Event Interview — BEI).
- Tècnica de l'Incident Crític de Flanagan (1954).
- Model STAR/SAR (Situació, Tasca, Acció, Resultat).
La IA ha de cercar incidents crítics complets: relats de situacions específiques on el candidat va prendre accions concretes que van produir resultats mesurables.
«Tinc experiència en lideratge.» · «Sóc bo treballant en equip.» · «He gestionat projectes complexos.»
«Quan el projecte X es va endarrerir dues setmanes (situació), vaig reorganitzar l'esprint i vaig redistribuir tasques entre tres desenvolupadors (acció), cosa que va permetre lliurar amb només tres dies de retard i mantenir el client (resultat).»
2. Estructura lextracció dinformació
Els LLMs necessiten guies clares sobre què extreure i com classificar-ho. No n'hi ha prou de demanar-li «analitza aquesta competència».
Un bon sistema danàlisi ha dextraure de cada incident crític:
- Context complet — situació i tasca.
- Comportament específic —Què va fer exactament el candidat.
- Resultat observable —què va passar com a conseqüència.
- Impacte — positiu o negatiu per a la competència avaluada.
- Intensitat — feble, moderada, forta.
- Referències temporals —on és això a la conversa.
Aquesta estructura força el model a buscar evidència real en lloc de fer suposicions.
3. Defineix nivells de competència clars
Un dels errors més comuns: demanar al model que avaluï una competència sense donar-li criteris d'avaluació.
«Avalua el lideratge del candidat.»
Proporcionar un diccionari de competències que defineixi què significa cada competència, quins nivells hi ha (Bàsic, Intermedi, Avançat, Expert) i quins comportaments caracteritzen cada nivell.
Exemple de nivell ben definit — Lideratge, Nivell Intermedi:
Amb aquesta definició, el model pot contrastar l‟evidència extreta contra criteris objectius.
4. Separa extracció, avaluació i síntesi
Els millors resultats no vénen de demanar-li al model que faci tot en un sol pas. És millor dividir el procés en tres fases:
- Fase 1 — Extracció: identificar tots els incidents crítics relacionats amb la competència.
- Fase 2 — Avaluació: analitzar els incidents contra el diccionari de competències i assignar-ne nivell.
- Fase 3 — Síntesi: generar resum interpretatiu amb justificació, patrons detectats i gaps.
Aquesta separació permet:
- Major precisió en cada fase.
- Traçabilitat completa (cada conclusió vinculada a evidència específica).
- Possibilitat d auditar i millorar cada pas.
- Identificar quins aspectes necessiten aprofundir-se a l'entrevista.
Diccionari de 26 competències toves
Descarrega la llista completa amb definicions, nivells i indicadors conductuals observables per a cada competència. A punt per utilitzar a les teves rubriques d'avaluació i entrevistes BEI.
⚙️ El problema d'implementar-ho manualment
Ara que coneixes la teoria, la realitat pràctica: implementar un sistema així requereix temps, expertesa tècnica i moltes iteracions.
Necessitaries:
- Dissenyar prompts complexos per a cada fase de lanàlisi.
- Crear i mantenir el teu diccionari de competències amb nivells ben definits.
- Integrar amb APIs de IA i gestionar límits de tokens, costos, latència.
- Estructurar les dades per mantenir traçabilitat.
- Iterar constantment per millorar-ne la precisió.
- Adaptar el sistema a cada mena d'entrevista i posició.
Per a un equip de selecció o una consultora, això és inviable. No te sentit construir tecnologia quan hauries d'estar enfocat a trobar el millor talent.
✅ Com Voicit ho resol automàticament
En Voicit hem construït tot aquest sistema perquè les consultores de selecció puguin generar avaluacions de competències fiables sense haver de pensar en la tecnologia.
Així funciona a la pràctica:
- Realitzes l'entrevista normalment. Voicit transcriu automàticament la conversa (presencial, en línia, telefònica).
- Selecciones les competències a avaluar. Des del diccionari de competències o creant competències personalitzades pel teu equip.
- Genereu l'informe. El sistema analitza la conversa usant la metodologia de tres fases descrita a dalt.
- Obtens una avaluació estructurada amb nivell detectat, justificació basada en incidents crítics, evidències específiques amb referències temporals i recomanacions sobre què aprofundir.
🧩 El que fa diferent a Voicit
Traçabilitat completa
Cada avaluació està lligada a moments específics de la conversa. Podeu verificar l'evidència i contrastar-la amb el vostre propi criteri professional — sense haver d'escoltar l'enregistrament sencer.
Metodologia provada
No fem servir IA «al boig». Apliquem frameworks d‟avaluació conductual (BEI, Tècnica de l‟Incident Crític) amb dècades de validació acadèmica i empresarial.
Complementa el teu judici professional
Voicit no reemplaça el consultor. Et dóna evidència estructurada perquè puguis contrastar amb les teves pròpies conclusions, combinar amb resultats de tests formals i identificar què necessites explorar més a la següent entrevista.
Personalització per equip
Cada consultora té la forma davaluar competències. Voicit permet crear diccionaris de competències compartits per equip, adaptats a la vostra metodologia, sector o client.
📋 Resum: què demanar a una IA per avaluar competències
Si utilitzareu IA per avaluar competències en els vostres processos de selecció, assegureu-vos que el sistema compleix aquests sis requisits mínims. Si no en compleix quatre sis, és molt probable que estiguis prenent decisions de contractació basades en al·lucinacions ben redactades.
| Pilar | Què ha de fer | Risc si falla |
| Metodologia conductual | Aplicar BEI / STAR / Incidents Crítics | Confon paraules amb evidència |
| Diccionari de competències | Definir nivells clars (Bàsic → Expert) | Assigna nivells sense criteris objectius |
| Extracció estructurada | Capturar situació, acció i resultat | Omple buits amb suposicions |
| Procés en fases | Extracció → Avaluació → Síntesi | Barreja fets amb interpretació |
| Traçabilitat | Cada conclusió vinculada a una marca temporal | No pots auditar la decisió |
| Judici humà | Complementar, mai substituir, el consultor | Perds context i responsabilitat |
💬 Preguntes freqüents
Voicit reemplaça les entrevistes de competències tradicionals?
No. Voicit potencia el teu procés actual. Pots fer entrevistes com sempre ho has fet i obtenir una anàlisi estructurada que complementa el teu criteri professional.
Què és tan precisa l'anàlisi de competències?
La precisió depèn de la qualitat de la conversa. Si el candidat proporciona incidents crítics complets (situació, acció, resultat), lanàlisi és molt fiable. Si la conversa és vaga o superficial, el sistema ho detecta i indica quins aspectes necessiten aprofundir-se.
Puc fer servir les meves pròpies competències i nivells?
Sí. Voicit permet crear diccionaris de competències personalitzats que podeu compartir amb el vostre equip. Moltes consultores adapten el nostre diccionari base a la seva pròpia metodologia o al sector del client.
La IA pot substituir el meu judici com a consultor de selecció?
No, i no ho hauria de fer. La IA ben aplicada estructura l'evidència i redueix el soroll perquè prenguis millors decisions, més ràpid. El criteri sobre encaix cultural, intuïció i responsabilitat de la recomanació continua sent teu.
És segur passar entrevistes a una IA?
Depèn de l'eina. A Voicit les dades estan xifrades, no es fan servir per entrenar models i el sistema compleix amb RGPD. Si utilitzeu un LLM genèric, assegureu-vos de revisar la política d'ús de dades abans de pujar enregistraments de candidats.
Darrera actualització: maig de 2026. Aquest article descriu com construir o avaluar un sistema d'IA per a anàlisi de competències i reflecteix la metodologia que apliquem a Voicit. Per a decisions formals de contractació, combina sempre l'avaluació automatitzada amb el criteri professional del consultor responsable.
