IA para RR. HH.: qué automatizar, qué no y cómo encontrar el equilibrio

Los primeros casos de uso de IA que suelen generar más impacto no son necesariamente los más llamativos. Suelen encontrarse en tareas frecuentes, repetitivas y que consumen mucho tiempo, donde además es fácil validar el resultado.

En nuestras conversaciones con líderes de RR. HH., vemos que el valor más consistente de la IA suele concentrarse en tres grandes áreas:

La IA puede ser especialmente útil cuando ayuda a pasar de una página en blanco a un primer borrador, o cuando permite convertir grandes volúmenes de información en algo más claro y estructurado. Eso sí, siempre que exista supervisión humana y una persona siga siendo responsable del resultado final.

Algunos ejemplos son:

• Redactar feedback para managers a partir de información previamente proporcionada.

• Resumir los principales temas o tendencias identificados en comentarios abiertos de encuestas.

• Convertir reuniones en planes de acción claros y estructurados.

• Reescribir contenidos para mejorar su claridad, tono o consistencia.

“Se habla mucho de la IA, pero lo que realmente determina si aporta valor o no es la calidad de la información que recibe. Con buenos datos de partida, este tecnología puede ser una herramienta muy útil. Con datos incompletos o poco fiables, los resultados se vuelven impredecibles.“

Camille Merritt

Product Manager,Personio

Los equipos de RR. HH. pueden llegar a dedicar una cantidad enorme de tiempo a corregir errores que deberían haberse detectado mucho antes: campos incompletos, registros inconsistentes, datos que no cuadran o incidencias que solo salen a la luz cuando las detecta Finanzas o el propio empleado.

En este tipo de tareas, la IA puede aportar mucho valor si se utiliza para:

• Detectar anomalías o posibles errores en los datos.

• Solicitar información que falta antes de que el proceso avance.

• Verificar la coherencia de la información según las reglas definidas por la organización.

• Identificar situaciones que requieren una revisión adicional antes de convertirse en un problema.

La IA también puede aportar valor en el ámbito de la analítica y solo para generar gráficos o dashboards automáticamente. Su verdadero potencial está en ayudar a entender qué hay detrás de los datos: qué incluye una métrica, cómo se calcula o por qué ha cambiado con el tiempo.

Esa es la diferencia entre tener información interesante y contar con datos que realmente ayudan a tomar decisiones.

Hay procesos de RR. HH. que deben ser rápidos y eficientes. Otros, en cambio, requieren reflexión, contexto y criterio humano.

Por eso existen situaciones especialmente sensibles en las que las personas deben mantener siempre la supervisión y la responsabilidad de la decisión final.

Cuando la IA participa en decisiones sin que sea fácil entender cómo ha llegado a una conclusión, el riesgo aumenta considerablemente.

Esto incluye decisiones como:

• Cambios salariales.

• Promociones.

• Despidos.

• Evaluaciones de desempeño.

• Rechazo de candidatos.

La IA puede seguir siendo útil en este tipo de procesos, pero debe desempeñar un papel de apoyo y no de decisión. Por ejemplo, ayudando a redactar documentación, verificar la consistencia de la información o identificar contexto relevante que podría haberse pasado por alto.

La decisión final, y la responsabilidad sobre ella, deben seguir estando claramente en manos de las personas.

“No toda la fricción es un problema. En determinados procesos de RR. HH., actúa como una salvaguarda. Si la IA facilita demasiado el acceso a información sensible o patrones sobre otras personas, probablemente sea momento de replantearse dónde deberían estar los límites.“

Lisa Jones

Product Manager, Personio

La IA que funciona de forma prácticamente autónoma puede parecer eficiente, pero también introduce riesgos cuando sus resultados se perciben como decisiones definitivas en procesos donde la responsabilidad sigue recayendo en una persona.

Si no puedes responder con claridad a estas preguntas, merece la pena detenerse y revisar el enfoque:

• ¿Quién es responsable del resultado?

• ¿Qué ocurre si el resultado es incorrecto?

• ¿Podemos reproducirlo y comprobar cómo se ha generado?

• ¿Existe la posibilidad de corregirlo o modificarlo? ¿Y queda registrada esa intervención?

La lógica es sencilla: cuanto más sensible sea una decisión, más importante será priorizar el control, la trazabilidad y la supervisión humana, incluso si eso implica sacrificar algo de velocidad.

Si una herramienta no puede explicar qué información ha utilizado, qué supuestos ha tenido en cuenta o en qué momento debe intervenir una persona, el resultado será difícil de justificar con confianza cuando haya que hacerlo.

“La señal de alarma aparece cuando la IA deja de actuar como un apoyo para la toma de decisiones y empieza a decidir por sí sola. En el momento en que los equipos de RR. HH. permiten que la IA elija candidatos, tome decisiones de contratación o redacte evaluaciones de desempeño sin una supervisión real, están renunciando a la interacción humana y perdiendo el control sobre el proceso.“

Camille Merritt

Product Manager, Personio

Evaluar una solución de IA no tiene por qué ser complicado. En la práctica, la mayoría de decisiones pueden analizarse a través de tres preguntas fundamentales.

La calidad de cualquier sistema de IA está limitada por la calidad de la información que recibe. En RR. HH., eso incluye tanto los datos estructurados del sistema como el contexto adicional que proporcionan documentos, políticas o procesos internos.

Pregúntate:

• ¿Qué información utiliza y qué información no utiliza?

• ¿Podemos controlar a qué fuentes de datos tiene acceso?

• ¿Los datos están estructurados, actualizados y correctamente gestionados?

• ¿Cómo respeta los permisos y niveles de acceso definidos en la organización?

• ¿Nuestros datos se utilizan para entrenar el modelo?

“Una de las principales señales de alerta es no tener claro dónde se almacenan o procesan los datos. Otra aparece cuando una herramienta dispone de muy poco contexto: seguirá generando respuestas, pero eso no significa que esas respuestas sean fiables. A veces, simplemente están construidas sobre información insuficiente.“

Lisa Jones

Product Manager, Personio

En RR. HH., los resultados generados por la IA deberían cumplir cuatro condiciones fundamentales:

• Ser consistentes: resultados similares ante situaciones similares.

• Poder verificarse: que sea posible comprobar su precisión y entender dónde pueden producirse errores.

• Ser transparentes: que exista una explicación razonable de cómo se ha llegado al resultado.

• Tener límites claros: que la herramienta no improvise ni "sea creativa" en contextos sensibles.

Estos criterios deberían ser imprescindibles a la hora de evaluar cualquier solución de IA para RR. HH.

Esta es, probablemente, la pregunta más importante de todas.

La IA bien diseñada deja claro quién revisa la información, quién valida el resultado y quién asume la responsabilidad final de la decisión.

Porque en muchos procesos de RR. HH., el objetivo no es simplemente ir más rápido. El objetivo es poder tomar decisiones justas, consistentes y fáciles de justificar.

Por eso conviene evitar prácticas como:

• Automatizar decisiones sin supervisión humana.

• Utilizar sistemas de puntuación o clasificación que no puedan explicarse con claridad.

• Delegar decisiones sensibles en herramientas que funcionan sin revisión ni control.

No hace falta ser un experto en inteligencia artificial para identificar posibles riesgos. En muchos casos, unas pocas preguntas son suficientes para entender si una herramienta está diseñada para generar confianza o simplemente para impresionar en una demostración.

Si un proveedor no puede explicar con claridad qué ocurre con la información que introduces en la herramienta, conviene ser prudente. Algunas preguntas que merece la pena plantear directamente son:

• ¿Los datos de los clientes se utilizan por defecto para entrenar o mejorar el modelo?

• ¿Qué información se almacena, durante cuánto tiempo y dónde?

• ¿Qué nivel de control tenemos sobre nuestros datos?

“Una de las principales señales de alerta es cualquier sistema de RR. HH. que utilice los datos de sus clientes para entrenar sus modelos. En Personio no entrenamos nuestros modelos con datos de clientes.“

Alex Bannon

Engineering Manager, Personio

Si una herramienta de IA no puede mostrar en qué información se ha basado o trabaja con muy poco contexto, aun así puede ofrecer respuestas que parecen fiables. Y precisamente ahí está el riesgo.

No siempre sabrás si la respuesta se basa en las políticas de tu empresa, en tus propios datos o simplemente en una recomendación genérica.

Pregúntale al proveedor:

• ¿Qué fuentes utiliza el modelo para generar respuestas y podemos controlar cuáles son?

• ¿Cómo gestiona los permisos, niveles de acceso y la visibilidad según el rol de cada usuario?

• ¿Podemos ver qué información o recursos ha utilizado el sistema para generar una respuesta?

“La IA no puede ser simplemente un interruptor que se activa o se desactiva. Las herramientas de IA deben explicar con claridad a qué información tienen acceso, cómo se procesan los datos y qué información no se comparte con terceros. Solo así las organizaciones pueden utilizar la IA con confianza en su trabajo diario.“

Lisa Jones

Product Manager, Personio

Si la propuesta de valor de una herramienta es algo parecido a “configúralo una vez y deja que la IA se encargue del resto”, merece la pena preguntarse dónde está la supervisión humana.

Al evaluar una solución, conviene plantear preguntas como:

• ¿Qué pasos requieren revisión y validación por parte de una persona?

• ¿Es realmente una tarea que debería realizar la IA?

• ¿Qué mecanismos de trazabilidad existen y es posible exportar ese historial?

“Existe el pensamiento de que la IA va a sustituir gran parte del trabajo de RR. HH., como si fuera una solución mágica para todo. La realidad es mucho más simple: la IA está para ayudar a las personas a trabajar mejor, no para sustituirlas.“

Camille Merritt

Product Manager, Personio

En RR. HH., lo importante no es contar con sistemas que prometan ser infalibles, sino con herramientas diseñadas para permitir la revisión, la corrección y la rendición de cuentas cuando algo no sale como se esperaba.

Al evaluar una solución, conviene plantear preguntas como:

• ¿Cómo se gestionan los errores, las incidencias o las solicitudes de corrección?

• ¿Qué tipos de fallos se han identificado y probado durante el desarrollo de la herramienta?

• ¿Cómo se monitorizan esos posibles errores en el día a día?

• ¿Qué ve el usuario cuando el sistema no tiene suficiente información o no está seguro de una respuesta?

“Los modelos de lenguaje (LLM) son susceptibles de cometer errores. No existe una precisión del 100 %. Cuando se trabaja con información sensible, como salarios o despidos, es imprescindible incorporar un punto de revisión humana, en lugar de esperar que la IA sea perfecta.“

Lisa Jones

Product Manager, Personio

Si existe presión por “hacer algo con IA”, eso no significa que tengas que avanzar sin control. Es posible empezar a obtener valor rápidamente sin comprometer la confianza, la calidad de los datos o la supervisión humana.

Algunos pasos prácticos para empezar:

• Elige un proceso de bajo riesgo donde la IA pueda aportar valor, como la atención de consultas de empleados, la redacción de contenidos, la validación de datos o la interpretación de informes.

• Define por escrito cuál será el punto de supervisión humana: quién revisa, quién aprueba y qué se considera un resultado aceptable.

• Establece unas pautas claras de uso para la organización. Piensa en ellas como reglas de funcionamiento actuales, no como prohibiciones permanentes.

• Revisa los datos que necesita el proceso y asegúrate de que son fiables y están actualizados.

• Define cómo medirás el éxito de la iniciativa: tiempo ahorrado, reducción de errores, mayor consistencia, procesos más ágiles o menos incidencias que requieran escalado.

Los casos de uso más seguros suelen ser aquellos que forman parte de procesos frecuentes y de gran volumen, donde los resultados pueden revisarse y validarse fácilmente.

Algunos ejemplos son la redacción y estructuración de contenidos, el resumen de información, la gestión de consultas de empleados o la detección de inconsistencias en los datos para su posterior revisión por parte de una persona.

Conviene evitar que la IA actúe de forma autónoma en decisiones que afectan a la remuneración, las oportunidades profesionales o la relación laboral de las personas.

Cuando la IA toma o influye en decisiones relacionadas con evaluaciones de desempeño, promociones, revisiones salariales, despidos o rechazo de candidatos, el nivel de riesgo aumenta considerablemente y la supervisión humana se vuelve imprescindible.

Una forma sencilla de empezar es responder a tres preguntas clave:

• ¿De qué información depende y quién controla el acceso a esos datos?

• ¿Los resultados son consistentes, verificables y cuentan con límites claros?

• ¿Dónde interviene una persona y quién es responsable de la decisión final?

Si un proveedor no puede responder con claridad a estas preguntas, eso ya ofrece mucha información sobre la solución que está proponiendo.

Una de las señales de alerta más importantes es la falta de transparencia sobre el uso de los datos.

Si un proveedor no puede explicar claramente si los datos de sus clientes se utilizan para entrenar modelos, qué información almacena o dónde se procesa, conviene profundizar antes de avanzar.

La documentación de seguridad y privacidad debe ser el punto de partida, pero siempre merece la pena solicitar explicaciones concretas y adaptadas a tu caso de uso.

La mejor forma de empezar es elegir un proceso de bajo riesgo, definir claramente el punto de supervisión humana y establecer unas pautas de uso para la organización.

A partir de ahí, mide el impacto, valida los resultados y amplía el uso de la IA solo cuando puedas explicar el proceso, comprobar su funcionamiento y mantener un control claro sobre las decisiones que se toman.