Casi todos los modelos de arquetipos conductuales que circulan en HR vienen del mismo lugar: un libro de management, un consultor que los popularizó, una taxonomía publicada hace décadas. Se aplican a empresas distintas, contextos distintos, países distintos, y se asume que los centroides —el “perfil promedio” de cada arquetipo— son universales.
No lo son.
Cuando empezamos a construir el módulo de arquetipos de Talen.to, la decisión más importante no fue cuáles incluir. Fue cómo definir los centroides. Y la respuesta fue: con datos. Con assessments reales de personas reales en roles reales, no con literatura aspiracional.
Este post explica cómo funciona el modelo, los 10 arquetipos, el algoritmo de clasificación, y por qué la calibración propia importa más de lo que parece.
Por qué arquetipos, y no solo OCEAN
OCEAN, en sus seis dimensiones extendidas, es una representación rica del perfil de una persona. Pero “rica” no es lo mismo que “comunicable”. Un manager que recibe el reporte “tu candidata tiene O=72, C=58, E=44, A=66, EE=70, ER=51” no sabe qué hacer con eso.
Los arquetipos son una capa de traducción. Reducen el espacio multidimensional a un patrón nombrable: “es una Analítica con secundario Especialista”. Esa frase no reemplaza al detalle OCEAN, pero lo vuelve operable.
La pregunta de diseño fue: ¿en qué espacio definimos los arquetipos? ¿En las 6 dimensiones OCEAN directamente, o en un set derivado?
Los 7 traits del modelo
Optamos por un espacio derivado de 7 traits que se calculan a partir del assessment completo. Cada trait combina señales de varios ítems OCEAN y reactivos del Talento Index. No reemplazan OCEAN —se calculan a partir de él— pero ofrecen un vocabulario más cercano al lenguaje de management:
| Trait | Qué captura |
|---|---|
| Autonomía | Necesidad de dirección externa vs capacidad de operar sin supervisión |
| Capacidad Social | Comodidad y efectividad en interacciones interpersonales |
| Ritmo | Velocidad de procesamiento y acción preferida |
| Conformidad | Adherencia a procesos, normas y estructuras existentes |
| Energía | Nivel de activación, ímpetu y persistencia en la acción |
| Lógica | Preferencia por análisis estructurado, datos y razonamiento deductivo |
| Ingenio | Capacidad de generar soluciones novedosas o no convencionales |
Cada trait se escala 1-5. Cada persona, al completar el assessment, recibe un punto en el espacio R^7.
Los 10 arquetipos
Cada arquetipo está definido por un centroide en ese espacio R^7. Acá van los diez, con la lógica que cada uno representa:
1. Conector
Construye puentes entre personas. Su capital social y su capacidad de influencia son su fortaleza. Brilla en contextos matriciales y multi-stakeholder.
Traits dominantes: alta Capacidad Social, Energía media-alta. Roles típicos: Account manager, HRBP, community manager. Riesgo: puede evitar conflictos necesarios.
2. Analítico
Piensa con datos y método. Descompone problemas, valida con evidencia y llega a conclusiones defendibles. Especialmente útil donde otros tienden a saltar a la solución sin entender el problema.
Traits dominantes: alta Lógica, Conformidad media-alta, baja Capacidad Social relativa. Roles típicos: analista de datos, analista de procesos, investigador. Riesgo: puede demorar decisiones por exceso de análisis.
3. Emprendedor
Convierte ideas en acción sin esperar permiso. El más cómodo en ambigüedad y escasez de recursos. Ideal para abrir mercados, lanzar productos nuevos o liderar unidades autónomas.
Traits dominantes: Autonomía muy alta, baja Conformidad, Energía e Ingenio altos. Roles típicos: fundador, business developer, intrapreneur. Riesgo: puede desatender la operación y delegar mal.
4. Colaborador
Suma valor cuando hay un marco claro y un equipo sólido alrededor. Confiable como ejecutor con feedback frecuente, pero rinde menos en contextos donde tiene que fijar el rumbo.
Traits dominantes: Autonomía baja, Capacidad Social media-alta, perfil cercano al neutro. Roles típicos: analista junior, soporte funcional, ejecutor de equipo. Riesgo: puede perder foco en contextos ambiguos.
5. Mentor
Multiplica el impacto del equipo formando a otros. Su éxito se mide en cómo crece la gente a su alrededor.
Traits dominantes: Lógica y Capacidad Social altas, Conformidad alta, Autonomía media-alta. Roles típicos: tech lead, tutor senior, director de formación. Riesgo: puede retener información como forma sutil de poder.
6. Especialista
Resuelve problemas que nadie más puede resolver. Profundidad técnica única en un dominio concreto.
Traits dominantes: Lógica muy alta, Autonomía alta, Capacidad Social baja. Roles típicos: subject matter expert, investigador, ingeniero senior. Riesgo: inflexibilidad fuera de su dominio, comunicación hermética.
7. Ejecutor
Convierte planes en resultados medibles, en fecha y en presupuesto. El perfil que el equipo necesita cuando la estrategia está clara y falta disciplina operativa.
Traits dominantes: Ritmo alto, Conformidad alta, Energía alta, Autonomía media-alta. Roles típicos: project manager, operations lead, delivery manager. Riesgo: puede ignorar el “por qué” estratégico.
8. Estratega
Ve el bosque antes que los árboles. Conecta señales de negocio, personas y contexto en decisiones de largo alcance.
Traits dominantes: Lógica alta, Ingenio alto, Autonomía alta. Roles típicos: director general, VP de estrategia, consultor senior. Riesgo: desconexión de la ejecución diaria.
9. Adaptador
Su superpoder es no quedarse atado a una forma de trabajar. Rinde bien en roles ambiguos, transiciones organizacionales o proyectos donde el contexto cambia más rápido de lo que se documenta.
Traits dominantes: perfil balanceado, sin picos extremos, baja Conformidad. Roles típicos: consultor externo, firefighter técnico, rol transitorio. Riesgo: falta de identidad de rol clara.
10. Operador
Sostiene la operación día a día. Respeta procesos, no se desvía del estándar, entrega resultados predecibles.
Traits dominantes: Conformidad alta, Ingenio bajo, Capacidad Social baja. Roles típicos: operaciones, customer service, administración. Riesgo: resistencia al cambio de proceso.
Cómo se clasifica: distancia euclidiana en 7D
El algoritmo es deliberadamente simple, y eso es una decisión, no una limitación. Cuando trabajás con calibraciones empíricas, modelos transparentes son auditables. Un random forest o una red neuronal tendrían quizás un poco más de precisión, pero al costo de explicabilidad. En un dominio regulado como hiring, ese trade-off no compensa.
El procedimiento:
- Calcular los 7 trait scores del candidato a partir del assessment.
- Calcular la distancia euclidiana entre ese punto y cada uno de los 10 centroides en R^7.
- Convertir distancia a matchScore con la fórmula
(1 - dist / √112) × 100, clampeado entre 0 y 100. (√112 es la distancia máxima posible en R^7 con rango 1-5.) - Rankear los 10 arquetipos por matchScore. El primero es el primario.
Confidence: gap entre primario y secundario
Si el primario gana por mucho, la clasificación es robusta. Si gana por poco, hay ambigüedad genuina —la persona vive entre dos arquetipos— y es información que el manager debería ver.
| Gap entre primario y secundario | Confidence | Interpretación |
|---|---|---|
| > 15 puntos | Alta | Arquetipo claramente dominante |
| 8 a 15 puntos | Media | Blend visible: el secundario se reporta junto al primario |
| < 8 puntos | Baja | Perfil mixto: hay que mirar topTraits para entender mejor |
El reporte del candidato muestra el primario, el secundario (si la confidence no es alta) y los 3 topTraits que más cercanos están al centroide del arquetipo primario.
Cómo se construyó el framework
Acá está el punto que diferencia este modelo de los demás. Los centroides no se inventaron leyendo un libro. Se calcularon a partir de assessments reales.
Nuestro equipo de people science corrió el ejercicio de calibración con assessments completos de campo —perfiles que cubren desarrollo, operaciones, ventas, formación y gestión, en empresas LATAM contemporáneas. Cada assessment estaba taggeado con observaciones cualitativas de managers y peers sobre el comportamiento real en el rol.
El proceso:
- Clustering exploratorio sobre los puntos en R^7, buscando agrupamientos naturales.
- Etiquetado cualitativo de los clusters resultantes contra las descripciones de los arquetipos. ¿Este cluster matchea con “Analítico”? ¿Este otro con “Conector”?
- Ajuste manual de centroides a partir del centro geométrico de cada cluster + revisión teórica. La revisión teórica importa porque algunos arquetipos teóricamente válidos (Estratega) tenían poca representación en la muestra inicial y había que extrapolar con criterio.
- Validación contra un set de assessments retenidos: ¿el algoritmo asigna correctamente personas que ya sabíamos qué arquetipo eran?
El resultado se mantiene como source of truth del módulo, con changelog versionado de cada recalibración.
Por qué importa que los centroides sean propios
Esta es la parte que suele subcomunicarse. Y es donde el modelo se vuelve un activo, no solo un feature.
Los arquetipos “de manual” están calibrados sobre poblaciones que no son la tuya
La mayoría de las taxonomías de arquetipos circulantes en HR vienen de muestras norteamericanas, blue-collar/white-collar pre-2000, o de grupos académicos de psicometría. Son válidas como punto de partida. No son válidas como benchmark para una empresa de software en Latinoamérica en 2026.
Las normas culturales sobre asertividad, conformidad y energía varían entre países. La distribución de roles en una scaleup de software es radicalmente distinta de la de una manufactura tradicional. Aplicar centroides hechos para otra realidad introduce sesgos sistemáticos.
Los centroides propios permiten recalibración continua
Cada nuevo candidato que entra a la plataforma agrega un punto al espacio. Cuando una empresa acumula suficientes assessments, sus centroides locales empiezan a diferir de los globales. Eso es información, no ruido.
La plataforma tiene herramientas de calibración por empresa: /calibration/assessments, /calibration/recalculate-all. Una organización puede, después de N meses de uso, recalibrar sus arquetipos contra su población real. Los managers contratan mejor cuando los arquetipos están afinados a la realidad de la empresa.
Los centroides propios son defendibles ante auditoría
En 2024 entró en vigor parcial el EU AI Act, que clasifica las herramientas automatizadas de hiring como sistemas de alto riesgo. La Local Law 144 de Nueva York obliga a auditar anualmente cualquier AEDT (Automated Employment Decision Tool).
Tener centroides documentados, con fecha de calibración, autores, muestra y procedimiento, es lo que distingue un sistema auditable de una caja negra. Cuando viene la auditoría, podemos mostrar cómo se calcularon y qué se hizo para validarlos. No hay magia: hay un JSON con coordenadas y un changelog.
Para qué se usa en la práctica
El arquetipo no decide hiring. Eso sería un error grave. Decide hiring el conjunto: OCEAN fit + Valores fit + Competencias fit + contexto del manager. El arquetipo es un overlay narrativo que vuelve operable el perfil.
Casos de uso concretos que vemos:
| Caso | Uso del arquetipo |
|---|---|
| Pre-entrevista | El hiring manager ve “Analítica con secundario Especialista” y prepara preguntas que validen profundidad técnica, no liderazgo de equipo |
| Composición de equipo | Un equipo con 4 Operadores y 0 Adaptadores tiene un riesgo de rigidez frente al cambio. Visible solo si el modelo está calibrado |
| Movilidad interna | Un Ejecutor que viene rindiendo bien en delivery puede transicionar a Mentor si los topTraits se alinean. Visible en el reporte |
| Plan de desarrollo | Un Especialista en track de management necesita desarrollar Capacidad Social específicamente, no “liderazgo en general” |
| Conversación con candidato | Compartir el reporte del arquetipo con el candidato —cuando aplica— mejora la calidad de las decisiones del propio candidato |
Lo que no hace el modelo (y es importante decirlo)
Cualquier modelo de arquetipos tiene límites. Los nuestros:
- No predice performance específico en un rol concreto. Eso es lo que hace el fit score completo (OCEAN + Valores + Competencias), no el arquetipo.
- No es estático. Las personas se desplazan en el espacio R^7 a lo largo del tiempo. El arquetipo de hoy no es el de dentro de cinco años.
- No reemplaza el juicio del manager. Es input, no decisión.
- No es universal. Calibrado con datos de Latinoamérica + software/operations. Aplicarlo en otra población requiere recalibración, y la plataforma lo soporta.
Decir esto explícitamente es parte de la responsabilidad de operar en HR Tech bajo regulaciones que se vuelven cada año más estrictas.
Cómo encaja con el resto
Los arquetipos son la capa de comunicación del motor de scoring. Por debajo hay OCEAN extendido, Valores configurables por empresa, Competencias en doble modo (soft + technical multi-evaluador) y un FitCalculator que combina todo en un overallFit.
Si querés ver cómo se conectan las piezas: el hub post tiene el mapa. Si querés el deep dive de competencias multi-evaluador: Evaluación de competencias multi-evaluador. El módulo en producto: /funcionalidades/arquetipos.
Implementalo con nosotros
Si tu organización está usando un modelo de arquetipos de un libro de management de 2008, o un perfil de personalidad sin calibración local, estás dejando precisión sobre la mesa. Te ayudamos a poner el modelo a correr sobre tu población, calibrar los centroides con tu propia data después de N meses, y conectar los arquetipos con las decisiones de hiring, movilidad interna y composición de equipo.
Agendá una demo de 15 minutos y te muestro un caso real.
¿Preguntas? Escribime a clara@talen.to.
Sigue explorando
Perfiles OCEAN+ relacionados
Descubri que dimensiones de personalidad buscar en cada rol.
Artículos Relacionados
MBTI para Selección de Personal: Por Qué No Funciona
El 50% de las personas obtiene un tipo MBTI diferente al repetir el test. Esto es lo que la psicología dice sobre su validez — y por qué importa para tu proceso de selección.
Transparencia algorítmica en HR Tech: por qué tu motor de scoring debería ser auditable
La mayoría de tools de assessment son cajas negras. Por qué eso es una mala práctica, qué exige la regulación (EU AI Act, NYC AEDT) y cómo se ve un motor de scoring auditable y configurable.
Evaluación de competencias multi-evaluador: cuando el assessment no alcanza
El assessment psicométrico te dice cómo es la persona. La evaluación multi-evaluador te dice qué tan buena es haciendo lo que el rol exige. Cuándo necesitás una, cuándo necesitás la otra, y cómo se combinan.