Entrevista en Codemotion Magazine sobre el impacto de la inteligencia artificial en los procesos de RRHH: selección, onboarding, retención y la ética detrás de automatizar decisiones sobre personas.
Entrevista realizada por Natalia de Pablo Garcia para Codemotion Magazine. Publicada el 3 de septiembre de 2024.
Todo comenzó en 2013 con una startup de eSports que monté para aplicar lo que había aprendido en la formación profesional y ganar experiencia real. Fue un salto al vacío, pero aprendí más en esos meses que en cualquier aula.
Después, trabajando en una empresa de servicios de selección de personal, descubrí cómo la IA podía agilizar los procesos de RRHH y mejorar el servicio tanto para empresas como para candidatos. Ese cruce entre tecnología y personas me atrapó.
Las principales áreas donde veo impacto real son:
Un ejemplo concreto: procesar 150 CVs para identificar los 10 candidatos más adecuados manteniendo la calidad en las entrevistas. Antes era una tarea que podía llevar días; con IA bien implementada, horas.
Mi postura es clara: complementariedad, no sustitución. La IA debe potenciar las capacidades humanas, no reemplazarlas. Permite que los profesionales de RRHH se centren en las habilidades que las máquinas no pueden replicar: empatía, creatividad, juicio contextual, pensamiento crítico.
La pregunta no es “¿la IA va a quitar empleos?”, sino “¿cómo usamos la IA para que los profesionales puedan hacer mejor su trabajo?”. Y la respuesta pasa por diseñar sistemas que liberen tiempo, no que eliminen personas.
Contrariamente a lo que se teme, las soft skills son cada vez más valiosas. La IA es muy buena en tareas técnicas y repetitivas, pero precisamente por eso libera a los profesionales para que se centren en lo interpersonal.
Las personas que aprenden a usar herramientas de IA para ganar eficiencia y las combinan con sus competencias únicas tienen una ventaja competitiva enorme. No compiten con la IA, la usan como palanca.
La capacidad de análisis masivo de datos es el gran diferenciador. Comparar perfiles de candidatos contra requisitos del puesto usando técnicas de embedding permite un matching mucho más preciso que la lectura manual.
Esto no solo ahorra tiempo en el cribado inicial, sino que también reduce sesgos inconscientes. Un sistema bien diseñado evalúa habilidades, no cómo está redactado el CV o si el candidato fue a una universidad conocida.
Uso la IA como complemento, no como sustituto. El sistema hace el cribado inicial y me ayuda a identificar las áreas más relevantes en las que profundizar durante la entrevista. La decisión final siempre es humana.
Lo interesante es que la eficiencia ganada en el cribado no se traduce en reducir el tiempo de entrevista, sino en reinvertirlo en interacciones de mayor calidad. Menos tiempo procesando papel, más tiempo hablando con personas.
La IA identifica la brecha entre las competencias actuales de un empleado y las necesidades futuras de la organización, y diseña un itinerario de aprendizaje personalizado que lleva del punto A al punto B de manera adaptada.
No es un catálogo de cursos genérico. Es un plan que ajusta el contenido, la secuencia y el ritmo según el perfil individual.
A través de un sistema DataOps que recoge datos diarios de las herramientas que ya usa el equipo — Jira, Notion, GitHub — la IA puede analizar métricas de rendimiento de múltiples fuentes y generar feedback ajustado al progreso real de cada persona.
Esto cambia el modelo de “evaluación anual” a “conversación continua”, que es como debería funcionar el desarrollo profesional.
Midiendo qué tareas selecciona cada persona, cuánto tarda en completarlas y con qué calidad, la IA puede identificar fortalezas individuales que a veces ni el propio empleado ni su manager han verbalizado. Eso permite tomar decisiones de talento mucho más informadas.
La IA detecta caídas en tendencias de rendimiento que pueden indicar desvinculación antes de que se haga visible. Pero la responsabilidad principal es asegurarse de que ese análisis se usa para mejorar las condiciones de trabajo, no para justificar despidos.
“La responsabilidad principal es asegurarse de que el uso de la IA beneficia a los trabajadores: apoyando su crecimiento, ofreciendo compensación competitiva y fomentando la motivación.”
El mayor temor de los empleados es que la IA se use en su contra. Ganar esa confianza requiere transparencia y demostrar, con hechos, que los sistemas están diseñados para apoyarles.
Hacer mucho networking con profesionales de RRHH. No desde la tecnología, sino desde sus problemas reales. Los mejores sistemas de IA para RRHH los construyen personas que entienden tanto el stack técnico como el contexto humano en el que opera.
Las soluciones que fracasan suelen ser las que se diseñan en un laboratorio sin hablar con quien las va a usar.
Sin duda. Igual que los procesos de contratación evolucionaron hacia plataformas digitales, la IA responsable es el siguiente paso evolutivo: procesos más eficientes, más precisos y, bien implementados, más justos.
La clave está en el “responsable”. La tecnología es neutral; el impacto depende de cómo se diseña y para qué se usa.