IA a lo largo del ciclo de vida del empleado: casos de uso desde la contratación hasta la salida

Por Kevin Kim · Actualizado el 11 de octubre de 2026

Usar IA a lo largo del ciclo de vida del empleado significa aplicarla en cada etapa del tiempo que una persona pasa en su empresa (atraer, contratar, incorporar, desarrollar, retener y desvincular), y las etapas no son igual de seguras. La IA que redacta una oferta de empleo o responde una duda sobre beneficios conlleva poco riesgo. La IA que clasifica candidatos o señala a personas para su despido afecta el sustento de alguien, y es ahí donde se concentran la ley y el potencial de sesgo. La habilidad práctica de un líder de recursos humanos no es encontrar todos los casos de uso posibles. Es saber qué etapas automatizar a fondo, cuáles apoyar con ligereza y cuáles mantener firmemente en manos humanas.

Esta guía está dirigida a CHROs, directores de recursos humanos y gerentes de recursos humanos que necesitan un mapa de dónde encaja la IA, qué datos requiere cada uso y cómo secuenciar el trabajo. Para el panorama general, comience con la guía principal, la IA en recursos humanos. Para un catálogo de despliegues concretos de agentes, consulte los agentes de IA para recursos humanos; este artículo no repite esa lista. En cambio, organiza el razonamiento en torno al riesgo.

Datos clave

• La EU AI Act clasifica como de alto riesgo los sistemas de IA usados para el reclutamiento o la selección (incluida la segmentación de ofertas de empleo, el filtrado de solicitudes y la evaluación de candidatos) en el Anexo III, punto 4(a) (AI Act Annex III).
• La misma entrada del Anexo III abarca la IA que influye en las condiciones de las relaciones laborales, incluidas las decisiones de promoción y terminación, la asignación de tareas según el comportamiento o los rasgos personales, y la supervisión y evaluación del desempeño (AI Act Annex III).
• La AI Act prohíbe los sistemas de IA que infieren las emociones de una persona en el lugar de trabajo, con excepciones por motivos médicos o de seguridad (AI Act Article 5).
• La Local Law 144 de la ciudad de Nueva York prohíbe a los empleadores usar una herramienta automatizada de decisión de empleo a menos que haya pasado una auditoría de sesgos en el año previo a su uso, y el DCWP comenzó a aplicarla el 5 de julio de 2023 (NYC DCWP).
• Según el Artículo 22 del GDPR, las personas tienen derecho a no ser objeto de una decisión basada únicamente en el tratamiento automatizado, incluida la elaboración de perfiles, cuando produce efectos jurídicos o significativos de modo similar (GDPR, Regulation (EU) 2016/679).

Por qué el ciclo de vida es la lente correcta

La mayoría de los equipos de recursos humanos conoce la IA como una lista de herramientas: un chatbot por aquí, un producto de filtrado por allá, un analizador de encuestas en otro lado. Ese enfoque oculta lo más importante, que es que las consecuencias difieren según la etapa. Un modelo que resume los comentarios sobre la incorporación y un modelo que puntúa a los postulantes pueden usar una tecnología similar, pero el costo de una respuesta equivocada no se parece en nada.

El ciclo de vida le da una forma de plantear tres preguntas sobre cualquier uso propuesto:

1. ¿Qué decisión toca? ¿Es información (responder una pregunta), una recomendación (sugerir a quién entrevistar) o una decisión (rechazar a alguien)?
2. ¿Quién resulta afectado y puede reclamar? Un empleado que recibe una respuesta equivocada de un chatbot de políticas puede volver a preguntar. Un candidato que es filtrado en silencio normalmente no puede.
3. ¿Qué datos necesita y los tiene en un estado utilizable? En la práctica, esta suele ser la verdadera limitación, no el modelo.

Esas tres preguntas explican el patrón de riesgo de la tabla siguiente. También se conectan con la idea más amplia de la priorización de casos de uso de IA: elija primero el trabajo donde el valor es alto y el costo del error es bajo.

El mapa del ciclo de vida: casos de uso, datos y riesgo

La tabla recoge usos representativos en cada etapa. No es exhaustiva, y las calificaciones de riesgo describen el caso típico. Un despliegue bien gobernado puede reducir el riesgo de un uso, y uno descuidado puede aumentarlo.

Tres cosas destacan al leer la columna de riesgo hacia abajo. El riesgo se concentra en los dos puntos donde la empresa toma una decisión de consecuencias sobre una persona: si la contrata y si pone fin a la relación. También sube dondequiera que las predicciones sobre individuos (quién podría renunciar, quién podría rendir) se convierten en acción. Y las etapas tranquilas, la incorporación y el lado analítico de la salida, son donde están los retornos más seguros.

Por qué el riesgo difiere tanto según la etapa

La contratación y la terminación son el extremo regulado

Los reguladores han trazado sus líneas en los mismos lugares. Según la EU AI Act, el punto 4 del Anexo III enumera los sistemas de IA usados para el reclutamiento y la selección (incluida la segmentación de ofertas de empleo, el análisis y filtrado de solicitudes y la evaluación de candidatos) y los sistemas de IA usados para tomar decisiones que afectan las condiciones de las relaciones laborales, incluidas la promoción y la terminación, la asignación de tareas según el comportamiento o los rasgos personales, y la supervisión y evaluación del desempeño (AI Act Annex III). Los sistemas de esa lista se clasifican como de alto riesgo, lo que conlleva obligaciones en materia de gestión de riesgos, calidad de los datos, documentación, supervisión humana y más. Si usted opera en la UE o contrata desde allí, su equipo jurídico necesita saber cuáles de sus herramientas caen en esas categorías. Como el calendario de aplicación de estas obligaciones ha sido modificado, pida a su asesor las fechas vigentes en lugar de confiar en un resumen anterior.

El panorama en Estados Unidos es un mosaico más que una sola ley, pero las mismas etapas atraen la atención. La Local Law 144 de la ciudad de Nueva York abarca las herramientas automatizadas de decisión de empleo usadas para contratar y promover. Los empleadores no pueden usar una herramienta así a menos que haya pasado una auditoría de sesgos en el año previo a su uso, la información sobre la auditoría debe estar disponible públicamente, y los candidatos y empleados deben recibir un aviso, que según la guía del DCWP debe llegar 10 días hábiles antes de usar la herramienta (NYC DCWP). Otras jurisdicciones tienen sus propias reglas sobre entrevistas en video, datos biométricos y decisiones automatizadas, de modo que una herramienta que no plantea problemas en una oficina puede ser un problema en otra.

Luego está la protección de datos. El GDPR otorga a las personas el derecho a no ser objeto de una decisión basada únicamente en el tratamiento automatizado, incluida la elaboración de perfiles, cuando produce efectos jurídicos o significativos de modo similar sobre ellas (GDPR Article 22). Un rechazo o un despido claramente califican como significativos. Esta es una razón por la que una persona real tiene que intervenir en estas decisiones, como se explica en el diseño de human-in-the-loop (persona en el circuito).

El riesgo de sesgo es mayor donde el historial es el dato de entrenamiento

Un modelo de contratación aprende de a quién contrató y promovió su empresa en el pasado. Si ese historial refleja decisiones sesgadas, el modelo puede reproducirlas a escala, de forma silenciosa y constante. Este es el núcleo del sesgo en la IA, y es la razón por la que la etapa de filtrado merece más escrutinio que un chatbot de políticas. También es la razón por la que existen requisitos de auditoría como los de Nueva York: la afirmación de que «la herramienta es objetiva» hay que comprobarla, no darla por supuesta.

Algunos usos están descartados

La AI Act va más allá de regular el reconocimiento de emociones en el trabajo: el Artículo 5 prohíbe los sistemas de IA que infieren las emociones de una persona en el lugar de trabajo, con excepciones por razones médicas o de seguridad (AI Act Article 5). Una herramienta que afirma leer el sentimiento de candidatos o empleados a partir de las expresiones faciales o el tono de voz, por ejemplo, necesita una revisión jurídica muy cuidadosa antes de acercarse a una entrevista o a una reunión de equipo. El análisis de texto de los comentarios de una encuesta es algo distinto, pero la línea entre «analizar lo que la gente escribió» e «inferir cómo se siente a partir de cómo se ve o suena» es justo la que hay que vigilar.

Lo que está en juego y la reversibilidad

Más allá de la ley, hay una prueba de gestión más simple: ¿con qué facilidad se puede detectar y deshacer el error? Una respuesta equivocada en un chat de incorporación se corrige en el siguiente mensaje. Un candidato rechazado por error nunca se lo dice. Un empleado señalado por error puede ser apartado de la empresa antes de que alguien revise la señal. Cuanto menos visible y menos reversible es el error, más revisión humana necesita.

Guía etapa por etapa

Atraer

Empiece por el lado del contenido. Redactar descripciones de puestos, reescribirlas en lenguaje claro y producir textos de la página de carreras específicos para cada puesto son tareas generativas con un editor humano en el circuito. Revise los resultados en busca de redacción sesgada o excluyente, y asegúrese de que cada requisito enumerado sea real. El extremo más riesgoso es la segmentación y la búsqueda activa de candidatos: si una herramienta decide quién ve una oferta de empleo o a quién abordar, ha entrado en el territorio de la selección que preocupa a las normas, aunque parezca marketing.

Contratar

Esta es la etapa con más ofertas de proveedores y más exposición. Un enfoque viable separa la asistencia de la decisión. Use IA para la logística (programación, avisos de estado a los candidatos, conversión de currículums a un formato uniforme) y para redactar guías de entrevistas estructuradas. Sea mucho más cauteloso con clasificar y rechazar. Si usa una herramienta de filtrado, una persona debe revisar a los candidatos que esta clasifica más abajo, no solo a los mejor posicionados, y usted debe poder explicar por qué se filtró a un candidato. Consulte la IA explicable para saber qué debería significar eso en la práctica.

Incorporar

La incorporación (onboarding) es la etapa de menor riesgo y retorno más rápido para la mayoría de los equipos. Un asistente de preguntas y respuestas sobre su manual y sus políticas, un motor de listas de tareas que da recordatorios a gerentes y a TI, y las rutas de aprendizaje por puesto dependen de información que usted ya posee. El principal riesgo es la precisión: un asistente que describe con total seguridad una política de licencias de forma errónea genera problemas reales. Fundaméntelo en los documentos de políticas vigentes, muestre la fuente y envíe a una persona todo lo ambiguo.

Desarrollar

La inferencia de habilidades, las recomendaciones de aprendizaje y el emparejamiento para movilidad interna pueden ayudar a los empleados a ver trayectorias que no sabían que existían. Dependen de datos de habilidades decentes, que la mayoría de las empresas no tiene en forma limpia. El riesgo aumenta cuando estos resultados moldean en silencio quién es promovido o asignado a proyectos de mayor desafío. Si una recomendación de desarrollo se convierte en un filtro, trátela como una herramienta de selección: audítela y mantenga a una persona responsable.

Retener

La predicción de la rotación es el caso de uso que más gusta a los ejecutivos y el que deberían abordar con más cuidado. Un modelo que señala a los empleados con probabilidad de irse es una aplicación de analítica de personas (people analytics) sobre datos sensibles, y el peligro está en lo que ocurre después. Usar el resultado para dar a un gerente un punto de partida para una conversación a nivel de equipo es una cosa. Usarlo para negar un aumento o un proyecto a un individuo señalado como riesgo de fuga es otra, y probablemente injusta. Agregue antes de actuar, evite las etiquetas individuales y sea abierto con los empleados sobre qué se analiza. El análisis de texto de las encuestas de compromiso y el benchmarking de compensación son más seguros, porque trabajan a nivel de grupo.

Desvincular

Divida esta etapa en dos. El lado analítico (hallar temas en las entrevistas de salida, rastrear por qué se va la gente por equipo o antigüedad, capturar conocimiento antes de una salida) es de bajo riesgo y a menudo valioso. El lado de la decisión no lo es. Cualquier IA que puntúe, señale o clasifique a empleados por desempeño o conducta, cuando el resultado alimenta una terminación, está en la categoría de alto riesgo descrita arriba. Mantenga la decisión en una persona con nombre y apellido que revise los hechos de fondo, pueda explicarlos y documente el razonamiento.

Cómo priorizar las etapas: paso a paso

No necesita desplegar a lo largo de todo el ciclo de vida a la vez, y no debería. Una secuencia que funciona para la mayoría de los equipos de recursos humanos:

1. Haga una lista del uso actual, incluido el no oficial. Pregunte a cada equipo de recursos humanos y a cada gerente contratante qué herramientas de IA ya usan. Que los reclutadores peguen currículums en un chatbot público es la sorpresa habitual. Este es el problema que suele llamarse IA en la sombra (shadow AI).
2. Ubique cada uso en el mapa. Clasifique cada uno por etapa del ciclo de vida y según si informa, recomienda o decide.
3. Puntúe cada uno en valor y riesgo. Use la tabla anterior como punto de partida. El valor son las horas ahorradas o los errores evitados. El riesgo es el costo de un resultado equivocado multiplicado por lo difícil que es detectarlo.
4. Empiece donde el valor es alto y el riesgo es bajo. Para la mayoría de los equipos eso es la asistencia en la incorporación, la redacción de ofertas de empleo y comunicaciones, la programación y el análisis de temas de las entrevistas de salida.
5. Verifique la preparación de los datos antes de comprar. Para cada uso candidato, confirme que tiene los insumos enumerados en la tabla en una forma utilizable y precisa, y que tiene derecho a usarlos para ese fin. La guía de fundamentos de datos de recursos humanos incluye una lista de verificación de preparación.
6. Fije una regla de revisión humana para todo lo que toque una decisión. Escriba quién revisa, qué ve y qué puede anular. Déjelo registrado.
7. Haga un piloto acotado y mida frente a una línea base. Elija un equipo, una etapa, unas pocas semanas. Mida el tiempo ahorrado y las tasas de error y, en contratación, revise los resultados por grupo.
8. Pase a las etapas de mayor riesgo al final, con la gobernanza ya establecida. Para entonces tendrá un historial, un responsable y un proceso. El artículo sobre gobernanza de la IA explica qué incluye esa estructura.

Errores comunes

• Comprar una «suite» y activar todo. Los proveedores agrupan funciones de bajo y alto riesgo. Active primero las seguras y deje desactivados el filtrado y la puntuación hasta que los haya evaluado.
• Suponer que el proveedor asume la responsabilidad. Asuma que el empleador que despliega la herramienta responde por sus resultados. Pida resultados de auditorías de sesgos, documentación y condiciones de uso de datos antes de firmar.
• Tratar una predicción como un hecho. Una puntuación de rotación o una clasificación de candidatos es una probabilidad basada en patrones pasados. Es una invitación a una conversación humana, no un veredicto.
• Omitir a empleados y candidatos. Donde la ley exige un aviso, dé el aviso. Donde no lo exige, informe de todos modos. La sorpresa erosiona la confianza más rápido de lo que la herramienta ahorra tiempo.
• Ignorar los datos que introduce. Pegar datos personales de candidatos o empleados en una herramienta de uso general puede infringir obligaciones de privacidad y sus propias políticas.
• Medir solo la velocidad. Un proceso de filtrado más rápido que reduce injustamente su grupo de candidatos no es una victoria. Dé seguimiento a la calidad y la equidad junto con el tiempo.
• Olvidar el lado del cambio. Los gerentes que no entienden una herramienta, o la ignoran o confían demasiado en ella. Presupueste capacitación.

Cómo juntarlo todo

Si solo recuerda una cosa, que sea esta: el riesgo sigue a la decisión, no a la tecnología. El mismo modelo de lenguaje puede estar con seguridad detrás de un asistente de incorporación y con peligro detrás de un correo de rechazo. Asigne sus usos al ciclo de vida, ponga su primer esfuerzo donde los errores son baratos y visibles, y gánese el camino hacia las decisiones de contratación y salida con auditorías, documentación y responsabilidad humana. Ese orden también tiende a dar las victorias más rápidas, porque las etapas de bajo riesgo son donde vive el trabajo repetitivo y con respuesta clara.