IA para recursos humanos: selección y gestión

La IA no viene a sustituir al equipo de RRHH. Viene a eliminar las tareas que consumen el 60% de su tiempo: leer cientos de CVs, responder preguntas repetitivas, redactar ofertas y analizar encuestas de clima.

El resultado: más tiempo para lo que realmente importa. Entrevistas de calidad, cultura de empresa y desarrollo de talento.

Screening de CVs automatizado

Un recruiter medio dedica 7 segundos a cada CV. Con 200 candidaturas por posición, eso son 23 minutos de decisiones superficiales. La IA cambia la ecuación.

Herramientas como ChatGPT o Claude pueden hacer screening básico con prompts bien diseñados. Para volumen alto, plataformas como Eightfold AI o HireVue ofrecen pipelines completos.

Un prompt efectivo para screening incluye: descripción del puesto, requisitos obligatorios vs deseables, y criterios de puntuación. Si no dominas el arte de los prompts profesionales, empieza por ahí.

# Prompt para screening de CVs
Actúa como recruiter senior de tecnología.

PUESTO: Backend Developer Senior (Python/FastAPI)
REQUISITOS OBLIGATORIOS:
- 5+ años Python
- Experiencia con FastAPI o Django
- SQL avanzado

REQUISITOS DESEABLES:
- Docker/Kubernetes
- CI/CD
- Inglés B2+

Analiza el siguiente CV y puntúa de 0-100.
Justifica cada puntuación en una línea.
Indica si pasa (>70) o no pasa el filtro.

CV:
[pegar CV aquí]

Workflow completo de screening con IA

El screening puntual con un prompt es útil para volúmenes bajos (5-20 CVs). Para procesos con 100+ candidaturas, necesitas un workflow estructurado:

Fase 1: Extracción y normalización

Convierte todos los CVs (PDF, Word, LinkedIn) a un formato estructurado. Un prompt extrae: nombre, años de experiencia, tecnologías, certificaciones, idiomas y ubicación. Resultado: un JSON o CSV homogéneo.

Fase 2: Scoring automático

Aplica una rúbrica predefinida. Cada requisito obligatorio vale X puntos, cada deseable vale Y. La IA puntúa cada candidato contra la rúbrica y genera un ranking.

Fase 3: Categorización

Divide en tres grupos: A (>80 puntos, entrevistar), B (60-80, revisar manualmente), C (<60, descartado con email automático de agradecimiento).

Fase 4: Análisis de fit cultural

Para el grupo A, un segundo prompt analiza señales de fit cultural: tipo de empresas anteriores, duración en cada puesto, progresión de carrera, side projects.

# Prompt de fit cultural (solo para candidatos grupo A)
Actúa como recruiter especializado en cultura organizacional.

NUESTRA EMPRESA: Startup SaaS B2B, 25 personas, remoto-first,
cultura de ownership, iteración rápida, bajo proceso.

Analiza este perfil y evalúa fit cultural (0-10):
- Adaptabilidad a entornos de alta autonomía
- Indicadores de proactividad (side projects, OSS, blogs)
- Patrón de permanencia (¿job hopper o estable?)
- Compatibilidad con equipos pequeños

PERFIL: [datos del candidato]

Onboarding inteligente

El 33% de los nuevos empleados busca otro trabajo en los primeros 6 meses. El onboarding es el momento crítico. La IA puede personalizarlo.

Un chatbot interno entrenado con la documentación de la empresa responde preguntas como "dónde está la guía de estilo" o "cómo pido vacaciones" sin que nadie del equipo pierda tiempo. Herramientas como Leena AI o un bot personalizado con MCP y Claude resuelven esto.

El onboarding automatizado incluye:

• Secuencia de emails personalizados: Día 1, día 3, día 7, día 14, día 30. Cada email con la información relevante para esa fase.
• Checklist interactivo: Tareas de configuración (accesos, herramientas, canales), lectura obligatoria, reuniones 1:1 con el equipo.
• Documentación contextual: Según el rol del nuevo empleado, se le presenta solo la documentación relevante (no las 200 páginas del manual completo).
• Buddy asignado: La IA puede sugerir el mejor "buddy" según equipo, ubicación y afinidad de perfil.
• Seguimiento automático: Encuesta de satisfacción en semanas 1, 2 y 4. Alerta a RRHH si el sentimiento baja.

Performance reviews con IA

Las evaluaciones de desempeño son uno de los procesos más odiados tanto por managers como por empleados. La IA no puede evaluar el rendimiento por ti, pero puede eliminar el 70% del trabajo administrativo.

Preparación de la evaluación:

Un prompt puede resumir los logros documentados del empleado durante el período (commits, tickets cerrados, objetivos completados, feedback de peers) y generar un borrador de evaluación que el manager solo tiene que revisar y ajustar.

Eliminación de sesgos:

La IA puede analizar las evaluaciones escritas por managers y detectar patrones de sesgo: lenguaje diferente para hombres vs mujeres, evaluaciones más duras para ciertos equipos, correlación entre relación personal y puntuación.

Calibración entre equipos:

Cuándo tienes 10 managers evaluando a 100 personas, la IA ayuda a detectar si un manager puntúa sistemáticamente más alto o más bajo que la media. Esto facilita la calibración sin sesgo.

# Prompt para borrador de evaluación
Actúa como HRBP senior. Genera un borrador de evaluación
de desempeño basado en los siguientes datos del empleado.

PERIODO: Q1-Q2 2026
DATOS:
- OKRs completados: 3/4 (75%)
- Tickets cerrados: 47 (media equipo: 38)
- Feedback peers: "proactivo", "buena comunicación", "a veces
  tarda en escalar problemas"
- Formación completada: 2 cursos (AWS, Leadership basics)
- Incidencias: 0 ausencias no justificadas

Genera:
1. Resumen de desempeño (3-4 frases)
2. Fortalezas (3 bullet points con evidencia)
3. Áreas de mejora (2 bullet points con sugerencia concreta)
4. Recomendación de desarrollo (1 acción para siguiente trimestre)

Análisis de clima laboral

Las encuestas de clima laboral generan datos. Pero sin análisis, son papel mojado. La IA procesa respuestas abiertas, detecta patrones de sentimiento y agrupa problemas por tema.

En lugar de leer 500 respuestas una a una, obtienes un resumen: "el 40% menciona falta de comunicación entre equipos" o "el sentimiento sobre el liderazgo ha bajado 15 puntos respecto al trimestre anterior".

Puedes hacer esto con prompts para análisis de datos sobre las respuestas exportadas, o con herramientas dedicadas como Culture Amp o Peakon.

Un análisis de clima con IA efectivo incluye:

• Sentiment analysis: Clasificar cada respuesta abierta como positiva, negativa o neutra, con un score de intensidad.
• Topic clustering: Agrupar respuestas por tema (liderazgo, compensación, workload, crecimiento, comunicación).
• Trend detection: Comparar con la encuesta anterior y detectar cambios significativos.
• Alertas tempranas: Identificar equipos o departamentos donde el sentimiento cae por debajo de un umbral.

Employee engagement y retención

La IA predictiva analiza señales de rotación: cambios en productividad, patrones de uso de herramientas, resultados de encuestas, antigüedad y comparación salarial con mercado.

No es magia: es correlación estadística. Si un empleado con 3 años de antigüedad, salario por debajo de mercado y baja puntuación en su última evaluación tiene un 70% de probabilidad de irse en 6 meses, RRHH puede actuar antes.

Señales que la IA puede monitorizar (con consentimiento):

• Disminución de participación en reuniones opcionales
• Reducción de contribuciones en canales internos
• Patrones de ausencia (viernes/lunes frecuentes)
• Desconexión de objetivos de equipo (OKRs sin actualizar)
• Feedback negativo recurrente en 1:1s documentados

Acciones preventivas automatizables:

• Alerta al manager cuando un empleado acumula 3+ señales de riesgo
• Sugerencia de conversación 1:1 con guía de puntos a tratar
• Benchmark salarial automático cuando un empleado cumple antigüedad
• Propuesta de plan de desarrollo personalizado basado en gap analysis

Bot de FAQ interno para empleados

El equipo de RRHH responde las mismas 50 preguntas cientos de veces al año: "cuántos días de vacaciones tengo", "cómo funciona el seguro médico", "cuál es la política de teletrabajo", "cómo pido un anticipo".

Un chatbot de FAQ interno resuelve el 60-80% de estas consultas sin intervención humana. Las opciones:

Opción 1: LLM + documentación (low code)

Sube tu manual de empleado, políticas y procedimientos a un sistema RAG (Retrieval Augmented Generation). Herramientas como Custom GPTs, Claude Projects o soluciones open source permiten crear un asistente que responde basándose en tu documentación real.

Opción 2: Plataforma especializada

Leena AI, Moveworks o Espressive son plataformas diseñadas específicamente para RRHH. Integran con HRIS (BambooHR, Workday, SAP), entienden contexto del empleado (antigüedad, ubicación, tipo de contrato) y pueden ejecutar acciones (crear ticket, aprobar solicitud).

Opción 3: Workflow automation

Combinar un chatbot con n8n o Make para que no solo responda preguntas sino que ejecute procesos: solicitar vacaciones, pedir certificados, consultar nómina, agendar reunión con RRHH.

Herramientas recomendadas

El ecosistema de IA para RRHH se divide en tres categorías:

Generalistas (bajo coste, 0-50 EUR/mes): ChatGPT, Claude, Gemini. Para redacción de ofertas, screening manual, análisis de encuestas y comunicaciones internas. Si quieres comparar opciones, revisa nuestra comparativa ChatGPT vs Claude vs Gemini.

Especializadas (medio, 200-1000 EUR/mes):

• HireVue: Entrevistas en video con análisis de IA. Evalúa competencias predefinidas.
• Eightfold AI: Talent matching y movilidad interna. Recomienda candidatos internos para posiciones abiertas.
• Leena AI: Chatbot RRHH + automatización de procesos. Integra con los principales HRIS.
• Textio: Redacción inclusiva de ofertas. Detecta lenguaje sesgado y sugiere alternativas.
• BambooHR + IA: HRIS con funciones de IA para reporting, predicción de rotación y benchmarking salarial.

Enterprise (alto, 5000+ EUR/mes): Workday AI, SAP SuccessFactors AI, Oracle HCM Cloud. Integración completa con ERP y nómina. Solo justificable para empresas de 500+ empleados.

Para equipos pequeños (menos de 100 empleados), la combinación de un LLM generalista con buenos prompts cubre el 80% de las necesidades a un coste de 20-100 EUR/mes. Si te interesa comparar precios de herramientas de IA, tenemos una guía dedicada.

RGPD y datos de empleados

Usar IA con datos de empleados tiene implicaciones legales específicas que van más allá del screening de candidatos. Puntos clave:

Base legal: Para tratar datos de empleados con IA, necesitas una base legal válida. Las más comunes son: ejecución del contrato (para procesos directamente relacionados con la relación laboral), interés legítimo (para analytics agregados), o consentimiento (para programas opcionales como encuestas de engagement).

Evaluación de impacto (DPIA): El RGPD exige una DPIA cuando el tratamiento implica "evaluación o puntuación" de personas, perfilado, o decisiones automatizadas. Esto aplica a: scoring de candidatos, predicción de rotación, análisis de rendimiento con IA.

Derecho a explicación: Si una decisión basada en IA afecta significativamente al empleado (no ser seleccionado, no recibir promoción), el empleado tiene derecho a saber cómo se tomó esa decisión y a solicitar revisión humana.

Regla práctica:

• Datos agregados y anónimos: pocas restricciones (analytics de clima, tendencias)
• Datos individuales para mejora: requiere transparencia (sugerencias de desarrollo)
• Datos individuales para decisiones: requiere DPIA + revisión humana + derecho a explicación

Ética y regulación

El AI Act europeo clasifica los sistemas de IA para selección de personal como alto riesgo. Eso implica obligaciones concretas: evaluación de impacto, registro de decisiones, supervisión humana y derecho a explicación.

Tres reglas que todo equipo de RRHH debe seguir al usar IA:

1. Transparencia: informa a los candidatos y empleados de que usas IA en el proceso. Incluir en la política de privacidad no basta: debe ser información proactiva y comprensible.

2. Supervisión humana: la IA filtra y sugiere, pero un humano decide. Nunca automatices al 100% decisiones que afectan a personas (contratación, despido, promoción, salario).

3. Auditoría de sesgo: revisa periódicamente (mínimo trimestral) si tu modelo discrimina por género, edad, nacionalidad, discapacidad o cualquier otra variable protegida. Documenta los resultados.

Riesgos específicos a vigilar:

• Sesgo de datos históricos: si históricamente contrataste más hombres, el modelo replicará ese patrón
• Proxy discrimination: el modelo puede usar la universidad o el código postal como proxy de raza o clase social
• Feedback loop: si solo evalúas a los que pasaron el filtro, nunca sabes si los descartados habrían funcionado

Siguiente paso

Si trabajas en RRHH y quieres empezar con IA, no necesitas una plataforma enterprise. Empieza con un LLM generalista, diseña buenos prompts para tus tareas más repetitivas y mide el tiempo ahorrado.

Prioriza por impacto: redacción de ofertas (inmediato), screening de CVs (alto volumen), análisis de encuestas (trimestral). Cuando demuestres ROI con estas tres, escala a onboarding automatizado y predicción de rotación.

En IAcademy enseñamos a crear workflows de IA aplicada paso a paso. Desde automatizar tareas con IA hasta construir sistemas completos con agentes.