RR. HH. utiliza herramientas de IA pero aún necesita un marco claro

Abhishek David trabajó durante 16 años en la práctica de RR. HH. antes de dedicarse a la investigación. Actualmente es estudiante de doctorado en Indian School of Business, donde centra su trabajo en el futuro del trabajo, ESG y el comportamiento individual, así como en un concepto propio sobre el sentido de pertenencia: la idea de que las iniciativas de DEI fracasan no por objetivos de diversidad erróneos, sino porque el sentido de pertenencia responde a motivaciones distintas para cada persona, y los enfoques generalistas no logran captarlas.

En el episodio #22 de Xobin Talks, la presentadora Manjeet Kaur explora las ideas de Abhishek tanto desde la investigación como desde su experiencia práctica. La conversación aborda dónde la IA en RR. HH. realmente está funcionando, dónde se malinterpreta, cómo es una adopción responsable y qué deben hacer las organizaciones para evitar crear nuevos problemas al resolver los antiguos.

¿Cómo está ayudando realmente la IA a RR. HH.? Veamos algunos ejemplos prácticos.

Abhishek comienza con IBM Watson, uno de los primeros ejemplos de IA aplicada directamente a la retención de empleados.

Abhishek: "IBM fue pionera en automatización, uso de datos y modelado de datos. Comenzaron con Watson para mejorar el compromiso y la retención de empleados. Con el tiempo, lo convirtieron en una herramienta de negocio y lo monetizaron. También les ayudó a ahorrar millones de dólares."

A partir de ahí, la adopción se aceleró en el reclutamiento. Los sistemas de gestión de candidatos impulsados por IA, las herramientas de filtrado de CV y las plataformas de emparejamiento JD-CV fueron las primeras aplicaciones generalizadas de IA en RR. HH., ya que el reclutamiento es la función con datos más estructurados y de mayor volumen.

Chatbots y automatización operativa

Abhishek: "Los chatbots, los NLP y todo eso se han utilizado para responder preguntas, sobre todo en operaciones de RR. HH., en tareas más operativas, donde se responde a muchas consultas de los empleados como clientes internos."

El análisis de sentimiento, la predicción de retención, la automatización robótica de procesos para tareas administrativas y la IA generativa para la creación de contenidos de aprendizaje han seguido esta tendencia. Las plataformas de marketplace de talento, que facilitan la movilidad interna y la gestión de la fuerza laboral gig, representan la ola más reciente.

Analogía con el sector médico

La observación más esclarecedora de Abhishek traza un paralelismo con la tecnología sanitaria.

Abhishek: "Los médicos también utilizaban imágenes 3D y robots quirúrgicos para apoyar procedimientos médicos. Sin embargo, los médicos no los usaban realmente por falta de datos. Las máquinas solo se volvieron útiles a medida que acumulaban más datos de pacientes. Si llevamos ese ejemplo a RR. HH., en reclutamiento se decía que el análisis de CV tenía sesgos de raza y género. Pero con el tiempo, más datos y mejor corrección de etiquetas lo han hecho mucho más útil."

Menos de la mitad de las organizaciones utilizarán IA en RR. HH. en 2026, y su aplicación se concentra en áreas específicas: reclutamiento (27%), tecnología de RR. HH. (21%), aprendizaje y desarrollo (17%) y experiencia del empleado (14%) (SHRM State of AI in HR, 2026). La brecha de madurez de datos explica por qué la adopción sigue concentrada en la parte inicial del ciclo, donde los datos son más abundantes, y no a lo largo de todo el ciclo de vida del empleado.

¿Cómo pueden las empresas obtener mejores resultados con IA sin ignorar la ética?

Aquí Abhishek pasa de describir lo que la IA puede hacer a prescribir lo que las organizaciones deben construir antes de implementarla.

Construir primero la infraestructura ética

Abhishek: "Las empresas que usan herramientas de IA deben establecer reglas claras sobre su uso. También deberían crear un comité de ética independiente que revise estas prácticas. Así se mantiene la supervisión separada del equipo de negocio. Debe ser muy transparente y explicable. Cualquier modelo, comunicación, herramienta o algoritmo utilizado debe ser transparente, de lo contrario se heredan los sesgos."

Solo el 18% de las empresas encuestadas ha establecido un comité de ética de IA dentro de su marco de gobernanza de RR. HH., y el 41% de los profesionales de RR. HH. citan el sesgo algorítmico como una de las principales preocupaciones en la adopción de IA (SQ Magazine, 2025). La brecha entre la preocupación y la respuesta estructural es considerable.

Cumplimiento de GDPR y regulaciones: no es opcional

Abhishek: "Deben existir medidas de privacidad de datos. Cumplir con GDPR y otras normativas es fundamental para operar en la era digital y de IA."

La presión por adoptar rápido y la necesidad de gobernar con cuidado están en tensión, y la mayoría de las organizaciones resuelve esa tensión avanzando rápido y esperando que el cumplimiento llegue después.

Supervisión continua, no solo en el despliegue inicial

Abhishek: "Supervisión y evaluación continua porque nadie sabe cuál será el resultado de todo esto. Estudios de McKinsey y Deloitte dicen que habrá un aumento multifactorial en los resultados de negocio, pero aún no se ha visto ese resultado. Todavía debemos monitorear los beneficios de las herramientas que se están implementando. Ahí es donde se requiere cautela."

Este reconocimiento es importante: el retorno de la inversión en IA en RR. HH. sigue siendo en gran parte teórico a gran escala, y las organizaciones apuestan por un resultado prometido que aún no se ha demostrado plenamente en la práctica.

Qué suelen malinterpretar los equipos de RR. HH. sobre la IA

Abhishek identifica cuatro conceptos erróneos que encuentra habitualmente en su investigación y consultoría.

Error 1: La IA nos quitará el trabajo

Abhishek: "El trabajo está cambiando rápido, así que debemos prepararnos para las habilidades que necesitaremos mañana. Eso aplica tanto a empleados como a equipos de RR. HH. Ambos deben seguir aprendiendo y estar listos para lo que viene. Utilizar herramientas de IA significa que los profesionales de RR. HH. deben ver la IA como un apoyo en la toma de decisiones, no como un reemplazo. Lo que hacía antes, A B C, ahora A y B lo hará la máquina y C lo haré yo. No es un reemplazo total. Es la utilización óptima de la IA como complemento."

Error 2: La IA solucionará todos los problemas al instante

Abhishek: "Esta herramienta de IA, si la implementamos, va a solucionar todos mis problemas o va a responder más rápido, tomar decisiones más rápido."

La velocidad de implementación no determina la calidad de los resultados. Las herramientas desplegadas sin datos de entrenamiento adecuados, sin gestión del cambio y sin una definición clara del problema que resuelven, tendrán un rendimiento inferior independientemente de su capacidad técnica.

Error 3: La IA elimina el sesgo

Abhishek: "Decimos continuamente que al incorporar IA vamos a eliminar los sesgos del sistema. Estos conceptos erróneos son los que hay que abordar."

El 29% de las empresas pausó o reestructuró herramientas de IA para reclutamiento en 2025 debido a hallazgos de sesgo (SQ Magazine, 2025). La IA entrenada con datos históricos de contratación aprende a replicar los sesgos de ese historial, a menos que los datos y las etiquetas se corrijan activamente con el tiempo.

Error 4: Una solución sirve para todos

Abhishek: "No existe una solución única para todos. Implementa las herramientas, mide los cambios, observa cuán transparentes son y cómo impactan en toda la experiencia del empleado. La simplicidad también es clave en cualquier implementación tecnológica o digital."

¿Cómo influirá la IA en la cultura laboral y el bienestar de los empleados a largo plazo?

Abhishek responde desde dos perspectivas: la empresarial y la humana.

Perspectiva empresarial: fintech y la difuminación de fronteras sectoriales

Abhishek: "Hace apenas dos o tres años decíamos que existía fintech y existían los bancos. Ahora ya no hay diferencia. La línea se ha difuminado. Fintech debe operar como un banco porque está regulado, y un banco necesita digitalizarse y automatizarse como lo hace fintech. Nadie quiere convertirse en Nokia porque todos quieren avanzar con creatividad e innovación para mantener el capital de mercado y los resultados."

Digitalizarse ya no es una opción para las empresas; es una necesidad. Las compañías que retrasen la adopción de IA pueden quedarse atrás, como ocurrió en los años 90 con quienes subestimaron el impacto de internet.

Perspectiva de RR. HH.: dejar de medir la rotación y empezar a predecir la retención

Abhishek: "RR. HH. siempre ha gestionado grandes volúmenes de datos. Siempre miramos la rotación. ¿Por qué no miramos la retención? Siempre analizamos datos pasados, el porcentaje de rotación, pero no el porcentaje de retención ni los factores de retención, para poder anticiparnos. RR. HH. debe mirar esos datos predictivos para tomar decisiones y hacer análisis predictivos, eso es lo que va a cambiar."

Este cambio de enfoque es más importante de lo que parece: los datos de rotación indican quién se fue y cuándo. Los datos de predicción de retención muestran quién podría irse antes de que lo decida. Esa diferencia es clave entre un análisis post mortem y una intervención preventiva, y la mayoría de los equipos de RR. HH. siguen haciendo análisis post mortem.

Perspectiva humana: bienestar, DEI y reducción de sesgos a largo plazo

Abhishek es optimista sobre la trayectoria de DEI a largo plazo, aunque cauteloso con los plazos.

Abhishek: "Veo que los sesgos y las diferencias se están reduciendo. La línea se va difuminando con el tiempo. En los próximos 5 a 10 años veremos que la diversidad de género será la norma. Si una organización no la tiene, será cuestionada. Se convertirá en el mínimo indispensable."

También señala los riesgos de una mayor dependencia de la IA: exceso de confianza en la tecnología, preocupaciones persistentes sobre la privacidad a medida que crecen los volúmenes de datos y el reto constante del sesgo en sistemas que aprenden de datos históricos imperfectos.

El enfoque al que vuelve es el de la evolución humana. Cada gran cambio tecnológico -los ordenadores en los 80, luego internet, luego el móvil- requirió adaptación humana. La IA es el siguiente capítulo de esa historia.

Abhishek: "Evolucionar y aprender continuamente es la esencia de la evolución humana. Ojalá estemos preparados para la transformación digital y la IA como lo estuvimos para los ordenadores, internet y el móvil."

Sobre Abhishek David

Abhishek David aporta 16 años de experiencia en RR. HH. a su investigación doctoral en Indian School of Business. Su trabajo se sitúa en la intersección entre comportamiento organizacional, adopción tecnológica y estrategia de RR. HH., con especial enfoque en el futuro del trabajo, el logro de objetivos ESG y el sentido de pertenencia en DEI. Antes de dedicarse a la academia, ocupó cargos directivos de RR. HH. en diversos sectores en India y Emiratos Árabes Unidos, lo que le da una perspectiva práctica para las preguntas que explora en su investigación. Es alumni de NUS y líder de opinión activo en la comunidad de RR. HH. de EAU, con experiencia en transformación de RR. HH., DO, retención de talento, cultura y gestión del cambio, y alianzas dinámicas de negocio.