¿Qué es un hackathon de IA y en qué se diferencia de uno clásico?
Un hackathon de IA es un evento de 24 a 48 horas en el que equipos construyen una solución que utiliza inteligencia artificial para resolver un reto concreto. La estructura es la de cualquier hackathon: reto, equipos, horas de trabajo con mentores y presentación ante un jurado. La diferencia está en lo que se puede hacer en poco tiempo. Hoy existen modelos y herramientas que permiten prototipar en horas lo que antes requería semanas.
Ese cambio tiene una consecuencia importante para la selección. Como casi cualquiera puede generar una demo vistosa con ayuda de herramientas de IA generativa, la demo deja de ser una buena señal de la capacidad de alguien. Lo que distingue a un buen perfil es el criterio: saber qué problema merece una solución de IA, cómo comprobar que funciona, qué riesgos tiene y cuándo no usarla. Un hackathon de IA bien diseñado evalúa ese criterio.
Por eso conviene tener claro el objetivo. Si quieres explorar ideas para tu negocio, el evento debe ser abierto y creativo. Si quieres seleccionar personas, necesitas un reto acotado, reglas claras y una evaluación individual. Y si buscas perfiles muy especializados en datos, un datathon puede ser un formato más adecuado. La IA es una herramienta dentro del hackathon, no el objetivo, y confundir ambas cosas lleva a eventos llamativos y poco útiles.
¿Qué retos funcionan en un hackathon de IA?
Funcionan los retos con un problema de negocio claro y medible, como clasificar solicitudes entrantes, resumir documentación interna, automatizar una parte de un proceso repetitivo o ayudar al equipo de atención a encontrar respuestas en una base de conocimiento. El reto debe decir qué entrada recibe la solución, qué salida se espera y cómo se comprobará si es buena. Sin ese criterio, cada equipo demuestra algo distinto y el jurado no puede comparar.
Conviene incluir un componente de juicio en el reto. Por ejemplo, pedir que la solución indique cuándo no está segura, o que el equipo explique qué casos no resolvería con IA y por qué. Eso obliga a pensar en límites y riesgos, que es precisamente lo que distingue a un perfil maduro de uno que solo sabe encadenar herramientas. Los retos que solo piden una aplicación llamativa premian la rapidez y dejan sin ver el criterio.
Evita los retos que exigen datos que no puedes compartir o que mezclan información sensible de clientes. Si no dispones de datos adecuados, prepara un conjunto anonimizado o sintético que represente el problema sin exponer a nadie. También descarta los retos tan amplios que nadie pueda avanzar en el tiempo disponible, como construir un asistente para toda la empresa. Un problema pequeño y bien resuelto enseña mucho más que uno grande y a medias.
¿Qué reglas hay que fijar sobre herramientas y uso de IA generativa?
La primera regla es decidir si los participantes pueden usar asistentes de IA generativa para escribir código o generar contenido. Lo razonable, en un hackathon de IA, es permitirlo y evaluar cómo lo hacen, porque es lo que harán en el trabajo. Pero hay que decirlo con claridad en las bases, junto con las herramientas o servicios que se pueden utilizar y los que no, para que todos compitan en las mismas condiciones.
Si permites el uso, cambia lo que evalúas. Ya no basta con ver el resultado: necesitas saber si la persona entiende lo que ha construido. Una conversación posterior, pidiéndole que explique una decisión de diseño, cómo comprobó que la solución funcionaba o qué haría con más tiempo, distingue muy rápido a quien dirigió la herramienta de quien solo copió lo que salió. Esa conversación es la parte más informativa de todo el evento.
Fija también qué puede hacerse con los datos y los servicios externos. Si los participantes envían información a plataformas de terceros, deben hacerlo solo con los datos que tú hayas preparado para el evento. Las obligaciones de protección de datos siguen siendo las mismas que en cualquier proceso de selección, y conviene informar de ellas en la inscripción. Revisa estos puntos con tu responsable de protección de datos o con asesoría jurídica antes de publicar las bases.
¿Qué perfiles atrae un hackathon de IA y qué hay que evaluar?
Atrae a perfiles de desarrollo, datos, producto y diseño, y también a personas de negocio con curiosidad técnica que quieren aprender en el camino. Muchos son estudiantes y recién titulados, pero también profesionales que quieren reorientar su carrera. Esa mezcla es una ventaja si los equipos son diversos: el perfil técnico construye, el de negocio define el problema y el de diseño cuida la experiencia de quien usará la solución.
Para evaluar, separa cuatro cosas: la comprensión del problema, la calidad de la solución, el criterio sobre los límites y riesgos, y la colaboración. La comprensión del problema se ve en las preguntas que hacen a los mentores; la calidad, en el prototipo; el criterio, en la explicación de lo que no resuelve; y la colaboración, en cómo se reparte el trabajo el equipo. Una rúbrica con esas cuatro dimensiones evita que gane quien mejor demuestra.
Desconfía de la demo perfecta. Una presentación pulida puede ocultar que solo una persona hizo el trabajo o que nadie entiende cómo funciona. Pregunta a cada miembro del equipo por una parte concreta de la solución y observa cómo responde. Las personas con criterio contestan con seguridad sobre lo que saben y reconocen con naturalidad lo que no saben, y esa honestidad técnica es una de las señales más fiables que puedes recoger.
¿Cómo evitar que el hackathon de IA acabe en una demo vistosa sin valor?
Empieza por un reto con un dueño dentro de la empresa, alguien que quiera de verdad resolver ese problema y que participe en el jurado. Si el reto es un pretexto, el evento produce entretenimiento y poco más. Con un dueño real, las mejores propuestas tienen una persona interesada en evaluarlas después, y eso cambia por completo la seriedad con la que trabajan los equipos y la utilidad de lo que queda al final.
Planifica el después. Decide quién revisará las propuestas, en qué plazo y qué criterios decidirán si alguna avanza hacia un piloto. Si el objetivo es seleccionar, programa las conversaciones individuales con las personas que destacaron en los días siguientes, cuando el recuerdo está fresco. Un evento de este tipo sin seguimiento deja una sensación de oportunidad perdida, tanto en la empresa como en los participantes.
Sé honesto sobre lo que un prototipo de 48 horas demuestra. Una demo no es un producto: no ha pasado por pruebas, seguridad ni integración. Lo que sí demuestra es la capacidad de una persona para entender un problema, construir con rapidez y comunicar. Usa el hackathon para lo que sirve, que es ver trabajar a personas, y no para validar tecnologías o tomar decisiones de inversión que requieren un análisis mucho más profundo.
¿Cómo puede ayudarte ONKLUB con un hackathon de IA?
ONKLUB diseña hackathons con enfoque de selección y ha organizado más de 50. Para un hackathon de IA te ayudamos a acotar el reto, preparar datos de ejemplo, redactar unas bases claras sobre herramientas y protección de datos, y montar una evaluación que mire el criterio de cada persona y no solo la demo. El objetivo es que salgas del evento con evidencia sobre perfiles concretos y no con una lista de aplicaciones vistosas.
Convocamos desde nuestra red de más de 12.000 profesionales, lo que permite llegar a perfiles de datos, desarrollo y producto de la zona. Y te aconsejamos con franqueza si el formato encaja con lo que buscas: para un puesto concreto y urgente, puede ser más eficiente un proceso dirigido, y para explorar ideas de negocio sin contratar, un evento de innovación sin componente de selección.
Cuando el evento acaba, acompañamos el proceso con quienes destacaron hasta la oferta. Y si necesitas un perfil ya, nuestro proceso entrega un Top 3 de finalistas listos para contratar en 20 días, con garantía de 3 meses. Cuéntanos qué quieres lograr con la IA en tu empresa y qué perfiles te faltan, y te proponemos el formato que encaje.
De dónde salen los datos de ONKLUB
Las cifras de operativa que aparecen en este artículo salen de los registros propios de ONKLUB, no de estimaciones de mercado. El proceso de referencia va de 248 perfiles evaluados a 3 decisiones entregadas, pasando por 80 señales válidas, 25 entrevistas en profundidad y 9 finalistas con valoración escrita, en un ciclo de 20 días naturales. Las cifras acumuladas de la agencia cubren de 2022 a 2026.
Qué NO demuestran estos datos: son la operativa de una agencia sobre sí misma, no una muestra representativa del mercado laboral español, y el embudo corresponde a un proceso de dificultad alta, no a la media de todos. No están auditados por un tercero independiente.
Metodología completa, desglose por fases y limitaciones en el Informe ONKLUB de talento joven, publicado bajo licencia CC BY 4.0: se puede citar y reproducir citando la fuente.