Cómo resolver la entrevista con IA de McKinsey con Lilli
McKinsey ya usa a Lilli en entrevistas de caso en vivo. Así puedes prepararte, desempeñarte y destacar en una ronda de consultoría asistida por IA.
McKinsey cambió lo que evalúa en las entrevistas de caso, y la mayoría de los candidatos sigue preparándose para el formato anterior.
Lilli, la plataforma interna de IA de McKinsey, ya forma parte de rondas de entrevista en vivo en algunas oficinas. Alrededor de 1 de cada 3 primeras rondas de MBB incluye algún componente de caso asistido por IA, y esa cifra va en aumento. Si te preparas para los casos solo con un libro de casos y un compañero de práctica, estás construyendo las habilidades correctas en el contexto equivocado.
Este artículo desglosa cómo es realmente el formato con Lilli, qué mide McKinsey y un enfoque de cuatro pasos que puedes practicar antes de entrar a la sala.
Qué es Lilli (y qué no es)
Piensa en Lilli como un analista de investigación que ha leído todos los proyectos que McKinsey ha hecho, pero que no tiene ningún criterio sobre lo que importa para tu problema específico. Le puedes preguntar cualquier cosa. Te va a devolver algo. Que ese algo sea útil depende por completo de qué tan precisa sea tu dirección.
Ese planteamiento importa porque redefine la habilidad que estás construyendo. No estás aprendiendo a usar un chatbot. Estás aprendiendo a actuar como la persona sénior que sabe qué preguntas hacer, puede evaluar las respuestas con sentido crítico y puede sintetizar el resultado en una recomendación con la que el cliente pueda actuar. Lilli se encarga de recuperar información. Tú pones el criterio.
McKinsey usa a Lilli en proyectos reales todos los días. La entrevista es una simulación comprimida de cómo se ve realmente el primer día.
La única habilidad que mide la entrevista
Antes de pensar en tácticas, entiende bien el planteamiento.
La entrevista con Lilli no evalúa qué tan bien usas la IA. Evalúa lo mismo que evalúa toda entrevista de McKinsey: si puedes imponer estructura a un problema ambiguo, formular una hipótesis y construir una recomendación defendible. La IA es un nuevo mecanismo para esa misma evaluación.
Los candidatos a los que les cuesta son los que abren la herramienta primero. Escriben una instrucción vaga, reciben una respuesta que suena plausible y empiezan a construir una respuesta alrededor de ella. Los candidatos a los que les va bien tratan a Lilli como a un analista junior que necesita una pregunta muy específica para devolver algo útil. Construyen primero la estructura. Traen la herramienta para llenar huecos concretos, no para generar un punto de partida.
La entrevista no evalúa si puedes usar IA. Evalúa si eres el tipo de persona que podría dirigir bien a la IA en un proyecto real.
Practica esto en un caso que te ponga en un entorno realista asistido por IA. El simulador de casos de BoardroomIQ refleja este formato: planteamiento de caso en vivo, copiloto de IA y retroalimentación estructurada sobre qué tan bien diriges en lugar de delegar.
Paso 1: estructura antes de dar instrucciones
El error más común en los casos asistidos por IA es empezar con la herramienta.
Dedica los primeros 60 a 90 segundos a hacer lo que harías en cualquier caso: aclarar la pregunta, identificar la decisión que hay que tomar y bosquejar tu árbol de problemas. ¿Cuáles son las dos o tres preguntas críticas que, si se responden, resolverían este problema?
Solo entonces diriges a Lilli, hacia tareas específicas y acotadas. La diferencia entre una instrucción débil y una fuerte es la diferencia entre "háblame de este mercado" y "¿cuáles son los factores de costo fijo típicos de una empresa SaaS B2B que opera con $200M de ingresos recurrentes anuales?". Una produce un muro de texto que tienes que ordenar. La otra devuelve exactamente lo que necesitabas para llenar un nodo de tu árbol.
Las buenas instrucciones de IA en el contexto de un caso son quirúrgicas. Llenan un hueco específico. No son peticiones para que Lilli resuelva el caso.
Aplica lo que acabas de aprender
Browse all 100 real boardroom decision cases.
Paso 2: audita cada resultado antes de usarlo
Lilli es poderosa, pero los entrevistadores de McKinsey saben que no es infalible. El entrevistador puede dejar a propósito que la herramienta saque una respuesta defectuosa para ver si la detectas.
Después de cada resultado, haz una revisión rápida de tres puntos. ¿Es relevante? ¿Responde realmente la subpregunta que hice, o se desvió? ¿Está completo? ¿Hay huecos obvios frente al contexto del caso? ¿Es defendible? ¿Podría llevar al entrevistador por esta lógica sin que se desmorone?
Si la respuesta a cualquiera de esas es no, dilo en voz alta. Narrar tu evaluación crítica no es una debilidad. Es la señal que busca McKinsey. Los candidatos que incorporan en silencio un mal resultado de la IA son los que quedan fuera.
Paso 3: usa la IA para poner a prueba, no solo para generar
Una jugada poco usada: una vez que construiste tu propia hipótesis, pídele a Lilli que la cuestione.
Algo como "¿cuáles son los contraargumentos más fuertes a una recomendación de entrada al mercado para esta empresa?" o "¿qué riesgos no estoy tomando en cuenta en este análisis de reducción de costos?". Esto refleja cómo usan la IA los consultores sénior en los proyectos reales: no como una máquina de primeros borradores, sino como un compañero que juega de abogado del diablo.
También transmite seguridad intelectual. No te da miedo poner a prueba tu propio pensamiento. Es una cualidad que McKinsey selecciona de forma activa, y se nota cuando un candidato lo hace de verdad y cuando solo lo actúa.
Paso 4: hazte dueño de la síntesis y del cierre
Los últimos dos minutos de un caso asistido por IA son idénticos al cierre de cualquier otro caso. Necesitas una respuesta clara y directa a la pregunta planteada, de dos a tres razones que la sostengan en orden de prioridad y un riesgo o una salvedad importante que el cliente debería vigilar.
Lilli no puede hacer esto por ti. La síntesis es donde se nota tu criterio. Los candidatos que leen el resumen de Lilli en el cierre se reconocen de inmediato como personas que nunca interiorizaron de verdad el análisis.
Escribe tus propios puntos de cierre. Dilos con tus propias palabras. La IA fue una herramienta. La recomendación es tuya.
Cómo practicar antes de tu entrevista
La distancia entre conocer este framework y ejecutarlo bajo la presión de una entrevista en vivo es real. Necesitas repeticiones.
Ejercicios de estructura cronometrados. Pon un cronómetro de 90 segundos y construye un árbol de problemas para un planteamiento antes de tocar cualquier herramienta de IA. Repite con 10 tipos de caso distintos hasta que la estructura llegue antes que el instinto de buscar.
Práctica de precisión en las instrucciones de IA. Toma un caso de práctica y escribe las instrucciones exactas que le darías a Lilli en cada etapa. Califícate: ¿cada instrucción es quirúrgica, o le está pidiendo a la IA que piense por ti?
Juega de abogado del diablo con tus propias hipótesis. Después de construir una recomendación en cualquier caso de práctica, escribe los tres argumentos más fuertes en su contra. Luego pregúntate: si estuviera usando a Lilli, ¿cómo redactaría la instrucción para sacar a la luz esos contraargumentos?
La mejor forma de practicar el formato de Lilli es bajo una presión realista, con un caso que se resista. Prueba el caso McKinsey Office Hours en BoardroomIQ para construir el músculo antes de la entrevista real.
Preguntas frecuentes
¿Qué es Lilli en el proceso de entrevistas de McKinsey?
Lilli es la plataforma interna de IA generativa de McKinsey. En los formatos de entrevista asistidos por IA, los candidatos pueden resolver partes de un caso con apoyo de IA disponible, y el entrevistador evalúa qué tan bien dirigen, verifican y construyen sobre lo que produce la IA, no qué tan bien recuerdan frameworks de memoria. La habilidad evaluada pasa de la memoria al criterio: estructurar el problema, saber qué preguntar y poner a prueba lo que regresa.
¿Usar IA en la entrevista significa que la preparación de casos importa menos?
Al contrario. Cuando la IA puede producir en segundos un framework genérico competente, el diferenciador pasa a ser todo lo que la IA no puede hacer por ti: elegir dónde escarbar, decidir qué número cambiaría la respuesta y comprometerte con una recomendación en medio de la incertidumbre. Los candidatos que solo memorizaron frameworks pierden su ventaja; los que pueden estructurar, cuantificar y sintetizar sobre un problema en vivo la conservan.
¿Cómo debería practicar para una entrevista de caso asistida por IA?
Practica el ciclo que evalúa realmente la entrevista: plantea una hipótesis, pide datos específicos, interpreta lo que recibes y ajusta. Las entrevistas de práctica cronometradas con un entrevistador de IA son la simulación más cercana disponible: te obligan a conducir el caso, manejar datos que no elegiste y sintetizar contra el reloj, que es exactamente el músculo que mide una ronda asistida por IA.