IA en Recursos Humanos: empiecen por lo aburrido
Casi todos los pilotos de IA en gestión de personas parten por lo vistoso y mueren en la demo. Los que sobreviven parten por la tarea que nadie quiere hacer.
Cristóbal Alfaro S.Founder · Skilltopia
·3 min de lectura
El patrón se repite. Alguien del comité pregunta qué estamos haciendo con inteligencia artificial, el área de Personas arma un piloto, se elige el caso más llamativo —normalmente selección o un chatbot para colaboradores— y seis semanas después el proyecto está en pausa "hasta definir la política de datos".
No fracasó por la tecnología. Fracasó por la elección del caso.
El caso vistoso es el peor primer caso
Los usos más atractivos de la IA en gestión de personas son, casi siempre, los que tocan decisiones sensibles: quién entra, quién sube, quién recibe qué evaluación. Son exactamente los que traen encima el mayor escrutinio legal, el mayor riesgo reputacional y la menor tolerancia al error.
Elegir ese caso como primer piloto significa exponer una capacidad que todavía nadie sabe usar bien al escenario más exigente posible. Es aprender a manejar en hora punta.
Lo aburrido es donde está el retorno
Las tareas que conviene atacar primero comparten tres características: consumen muchas horas del equipo, no deciden nada sobre la carrera de nadie, y su resultado se puede revisar en minutos.
Algunos ejemplos concretos:
- Convertir procedimientos y manuales operativos en material de aprendizaje utilizable, en vez de dejarlos como PDF que nadie abre.
- Redactar descriptores de cargo consistentes a partir de entrevistas con las jefaturas.
- Ordenar y resumir encuestas de clima o salida abiertas, que hoy se leen a mano o directamente no se leen.
- Preparar guiones de retroalimentación para supervisores antes de una conversación difícil.
Ninguna de estas suena a titular. Todas liberan horas reales, se validan rápido y no ponen en juego la carrera de nadie. Y todas construyen algo más importante que el ahorro: criterio interno sobre dónde la herramienta ayuda y dónde se equivoca.
El primer piloto no debería demostrar lo que la IA puede hacer. Debería enseñarle al equipo a distinguir cuándo confiar y cuándo revisar.
Tres reglas para el primer piloto
Que alguien firme el resultado. Toda salida de IA tiene un responsable humano con nombre. No como trámite, sino porque revisar obliga a mirar en serio.
Que se mida contra la línea base. Cuánto demoraba antes, cuánto demora ahora, cuántas correcciones necesitó. Sin ese dato, la discusión se vuelve una opinión sobre si la herramienta "es buena".
Que la política de datos exista antes, no después. Qué información puede salir del entorno de la organización y cuál no. Definirlo toma menos tiempo del que se pierde cuando el proyecto se congela por no haberlo definido.
Con eso resuelto, el segundo caso ya se puede elegir con criterio propio en vez de con entusiasmo. Y para entonces la conversación con el comité cambia de tono: deja de ser sobre qué estamos haciendo con IA, y pasa a ser sobre cuántas horas recuperamos y en qué las estamos usando.