La IA ya participa en cómo se contrata, evalúa y desarrolla a las personas. La pregunta ejecutiva no es si usarla, sino qué decisiones puede asumir, cuáles debe solo apoyar y cuáles deben seguir siendo humanas.
Recursos Humanos es una de las áreas donde la IA ha entrado más rápido. Se usa para redactar descripciones de cargo, filtrar postulaciones, agendar entrevistas, responder consultas de colaboradores y analizar datos de desempeño. En la encuesta de SHRM publicada en 2026, el reclutamiento aparece como el área de RR.HH. donde la IA está más presente, seguido por tecnología de RR.HH., aprendizaje y experiencia del colaborador.
El uso crece más rápido que las reglas para gobernarlo. Muchas herramientas llegan como funcionalidades dentro de plataformas que la empresa ya contrató, sin una decisión explícita sobre qué pueden hacer ni cómo se ven afectados los procesos. El resultado es una IA que influye en decisiones sobre personas sin que nadie haya definido su alcance, sus controles ni su responsable.
Por qué RR.HH. no es un caso más de automatización
En finanzas u operaciones, un error de automatización suele costar tiempo o dinero. En RR.HH., el error recae sobre una persona: un candidato descartado sin razón, una evaluación injusta o una oportunidad de desarrollo que nunca se ofreció. Tres características hacen distinto este dominio.
- Los datos históricos traen sesgos. Un modelo que aprende de contrataciones o ascensos pasados puede reproducir patrones que la organización no quiere repetir, aunque nadie los haya programado.
- La confianza es parte del resultado. Según Gartner, solo 26 por ciento de los candidatos confía en que la IA los evaluará de forma justa, y uno de cada cuatro dice confiar menos en un empleador que la usa para evaluarlos. Un proceso eficiente que daña la marca empleadora no genera valor.
- Las decisiones afectan derechos. Selección, evaluación y desvinculación involucran datos personales, igualdad de trato y, cada vez más, regulación específica sobre IA.
Por eso, en RR.HH. la pregunta de diseño no es solo qué se puede automatizar, sino qué nivel de autonomía corresponde a cada decisión.
Cómo cambia cada etapa del ciclo del colaborador
La IA no transforma RR.HH. de una sola vez. Cambia cada etapa de forma distinta, y en cada una hay tareas que conviene delegar y decisiones que conviene reservar.
| Etapa | Qué puede asumir la IA | Qué debe seguir siendo humano |
|---|---|---|
| Atracción | Redactar avisos y perfiles de cargo, buscar candidatos, responder consultas frecuentes | Definir el perfil requerido y los criterios que importan |
| Selección | Ordenar postulaciones según criterios explícitos, agendar, resumir entrevistas, comunicar el estado del proceso | Descartar candidatos, decidir la contratación, explicar la decisión |
| Onboarding | Asistentes que responden dudas, rutas de inducción personalizadas, seguimiento de tareas | Acompañamiento de la jefatura e integración al equipo |
| Evaluación de desempeño | Consolidar evidencia, detectar inconsistencias entre evaluadores, sugerir focos de conversación | La calificación final y la conversación de feedback |
| Desarrollo | Identificar brechas de habilidades, recomendar cursos y movilidad interna | Decisiones de promoción y planes de carrera |
| Motivación y retención | Analizar encuestas de clima, detectar señales agregadas de riesgo de rotación | Interpretar las causas y actuar sobre personas concretas |
El patrón se repite: la IA aporta en preparar información, ordenar opciones y liberar tiempo administrativo. El juicio sobre una persona específica sigue requiriendo a alguien que lo asuma y lo pueda explicar.
Tres niveles de uso, tres niveles de control
Una forma práctica de gobernar la IA en RR.HH. es clasificar cada uso según cuánto influye en la decisión final sobre una persona. El control se ajusta a ese nivel, siguiendo el mismo criterio proporcional al riesgo que propone el NIST.
| Nivel | Qué hace la IA | Ejemplos | Tratamiento recomendado |
|---|---|---|---|
| Asistencia | Apoya tareas sin influir en decisiones sobre personas | Redactar avisos, resumir entrevistas, responder dudas de políticas internas | Política de uso, protección de datos y revisión por el usuario |
| Recomendación | Ordena, prioriza o sugiere; una persona decide | Ranking de postulantes, sugerencia de cursos, alertas de rotación | Criterios explícitos, pruebas de sesgo, explicabilidad y registro de quién decidió |
| Decisión | Ejecuta una acción con efecto sobre una persona sin revisión previa | Descarte automático de postulaciones, asignación de bonos o turnos | Aprobación formal, supervisión humana efectiva, auditoría periódica y canal de reclamo |
Dos reglas ayudan a aplicar la matriz. Primero, ningún uso debería operar sin un nivel asignado y un responsable. Segundo, una recomendación que se acepta siempre sin revisión es en la práctica una decisión automática, y debe tratarse como tal. Conviene medir la tasa de recomendaciones que la persona modifica o rechaza: si es cercana a cero, la supervisión humana probablemente es solo formal.
El marco regulatorio ya está definiendo la cancha
La regulación apunta en la misma dirección que la matriz: más exigencias a medida que la IA influye más en decisiones sobre personas.
- Chile, Ley 21.719. Reemplaza el marco de la Ley 19.628, crea la Agencia de Protección de Datos Personales y fortalece los derechos de los titulares, incluidos postulantes y trabajadores. Su vigencia legal está fijada para el 1 de diciembre de 2026. En octubre de 2026, la Comisión de Constitución del Senado aprobó en general un proyecto que la posterga hasta diciembre de 2027 sin cambiar sus obligaciones de fondo. En cualquier escenario, conviene revisar desde ya qué datos de personas usan las herramientas de IA, con qué base legal y por cuánto tiempo se conservan.
- Unión Europea, AI Act. Clasifica como de alto riesgo los sistemas usados para reclutar, filtrar postulaciones, evaluar candidatos, decidir promociones o desvinculaciones y monitorear el desempeño. Tras el acuerdo Digital Omnibus, esas obligaciones aplican desde el 2 de diciembre de 2027. Es relevante para empresas chilenas con operaciones o proveedores europeos, y como referencia de buenas prácticas.
- NIST AI RMF. Sin ser obligatorio, ofrece un marco reconocido para gobernar, mapear, medir y gestionar los riesgos de cada sistema.
La lectura para la dirección es simple: la postergación de plazos da tiempo para prepararse, no para ignorar el tema. Inventariar hoy los usos de IA en RR.HH. cuesta menos que corregirlos bajo presión regulatoria.
Lo que cambia para RR.HH. y las jefaturas
La IA reduce el trabajo administrativo, pero aumenta la responsabilidad sobre el diseño del proceso. El equipo de RR.HH. pasa de ejecutar tareas a definir criterios, cuidar la calidad de los datos de personas y supervisar el comportamiento de las herramientas. Las jefaturas, por su parte, reciben más información para evaluar y desarrollar a sus equipos, y necesitan criterio para usarla sin delegar el juicio.
Esto conecta con lo que plantean McKinsey y la OCDE para la IA en general: el valor aparece cuando se rediseña el flujo de trabajo y se acompaña el cambio organizacional, no solo cuando se adopta la herramienta.
En Recursos Humanos, la IA se adopta casi siempre con una promesa de productividad: revisar más currículums en menos tiempo, responder más consultas con el mismo equipo o cerrar procesos de selección en menos días. Es una ganancia de eficiencia real, pero no garantiza efectividad, es decir, que el proceso logre el objetivo para el que existe. Un filtro automático puede reducir a la mitad el tiempo de contratación y aun así seleccionar a personas que no se adaptan al cargo o que dejan la empresa a los pocos meses. Una evaluación de desempeño apoyada por IA puede completarse más rápido sin mejorar en nada el desarrollo de los colaboradores. Cuando se mide solo la velocidad, la organización corre el riesgo de hacer más rápido algo que no funciona. Por eso, antes de incorporar IA en un proceso de personas, conviene preguntarse qué resultado se busca, como contratar mejor, retener talento o desarrollar capacidades. Luego hay que medir la herramienta contra ese objetivo, y no solo contra las horas que ahorra.
¿Qué medir?
Para medir si la IA está creando valor en RR.HH., conviene combinar indicadores de eficiencia, calidad y confianza:
- Tiempo de contratación y tiempo de respuesta al candidato.
- Calidad de la contratación, por ejemplo desempeño y permanencia a 12 meses.
- Diferencias en tasas de avance entre grupos de postulantes en cada etapa.
- Porcentaje de recomendaciones de la IA revisadas, modificadas o rechazadas.
- Satisfacción de candidatos y colaboradores con el proceso.
- Reclamos, solicitudes de revisión e incidentes asociados a datos personales.
Punto de vista Nobilis
La IA en RR.HH. genera valor cuando libera tiempo para las conversaciones que importan y hace los procesos más consistentes, no cuando reemplaza el juicio sobre las personas. Nobilis parte por el proceso: levanta cómo se selecciona, evalúa y desarrolla hoy, define qué criterios deben ser explícitos y asigna a cada uso de IA un nivel de autonomía y un responsable. Sobre esa base diseña e implementa soluciones con trazabilidad de cada recomendación, supervisión humana en los puntos críticos y tratamiento de datos alineado con la Ley 21.719.
Este enfoque no es solo metodológico. Nobilis ya cuenta con herramientas que incorporan IA en distintos procesos de RR.HH. y que fueron diseñadas bajo estos mismos principios. Cada uso tiene un nivel de autonomía definido y la decisión final sobre las personas queda en manos de un responsable. Las recomendaciones son trazables y explicables, el tratamiento de datos personales es cuidadoso y el éxito se mide por la calidad del resultado, no solo por el tiempo ahorrado.
Próximo paso
Un diagnóstico acotado de los procesos de personas puede inventariar los usos actuales de IA, incluidos los que vienen dentro de plataformas ya contratadas, clasificarlos por nivel de riesgo e identificar dónde conviene rediseñar antes de automatizar. El entregable debe ser un mapa de decisiones con su nivel de autonomía, sus controles y sus indicadores, no una lista de herramientas.
Fuentes
- Gartner. Survey Shows Just 26% of Job Applicants Trust AI Will Fairly Evaluate Them. 2025.
- SHRM. The State of AI in HR 2026. 2026.
- McKinsey and Company. The state of AI: How organizations are rewiring to capture value. 2025.
- OECD, BCG, INSEAD. The Adoption of Artificial Intelligence in Firms. 2025.
- NIST. Artificial Intelligence Risk Management Framework (AI RMF 1.0). 2023.
- Biblioteca del Congreso Nacional / Academia Judicial. Ley 21.719 sobre protección de datos personales.
- Senado de Chile. Avanza proyecto que busca postergar entrada en vigencia de la ley de datos personales. Octubre 2026.
- Gibson Dunn. EU AI Act Omnibus Agreement: Postponed High-Risk Deadlines. 2026.
