Fundamentos de datos de recursos humanos para la IA: calidad e integración de datos del HRIS

Por Kevin Kim · Actualizado el 11 de octubre de 2026

Los fundamentos de datos de recursos humanos son la exactitud, la coherencia, la conectividad y el respaldo legal de los datos de los empleados que un sistema de IA aprende o lee al responder, sobre todo los registros de su HRIS, su sistema de seguimiento de candidatos (ATS) y la nómina. Un modelo no puede corregir un registro que dice que un empleado trabaja en dos departamentos, ni un título de puesto que existe con nueve grafías. Repite el error más rápido, y con más seguridad de la que jamás tuvo una hoja de cálculo.

Esta guía es para CHROs, directores de recursos humanos y gerentes de recursos humanos que están por comprar, pilotear o aprobar una herramienta de IA para recursos humanos y quieren saber qué debe cumplirse primero con sus datos. Se ubica por debajo de los casos de uso de la IA en recursos humanos, en la capa de datos (Nivel 0) del ACE Framework, donde ocurren Ingest y Analyze antes de que se prediga o se genere nada.

Datos clave

• El GDPR exige que los datos personales sean «exactos y, si fuere necesario, actualizados», y dice que se deben adoptar todas las medidas razonables para suprimir o rectificar sin dilación los datos inexactos (Reglamento (UE) 2016/679, artículo 5(1)(d)).
• Según el mismo reglamento, las infracciones de los principios básicos del tratamiento pueden acarrear multas de hasta 20 millones de EUR o el 4% del volumen de negocio anual mundial, la cantidad que sea mayor (GDPR, artículo 83(5)).
• La EU AI Act enumera como de alto riesgo, en su Anexo III, la IA que se usa para reclutar o seleccionar personas, decidir ascensos o despidos, asignar tareas según el comportamiento individual, o supervisar y evaluar el desempeño (Reglamento (UE) 2024/1689, Anexo III, punto 4).
• Para los sistemas de alto riesgo, la ley exige que los datos de entrenamiento, validación y prueba sean «pertinentes, suficientemente representativos y, en la mayor medida posible, estar libres de errores y completos» para la finalidad prevista (AI Act, artículo 10).
• El GDPR también otorga a las personas el derecho a no ser objeto de una decisión basada únicamente en un tratamiento automatizado que les afecte de modo significativo, cuando la decisión produce efectos jurídicos o similarmente significativos (GDPR, artículo 22).

Por qué la IA de recursos humanos depende por completo de sus datos

Todo caso de uso de IA en recursos humanos lee de los mismos tres lugares. Una herramienta de selección lee el ATS. Un modelo de retención lee el HRIS y toma el historial salarial de la nómina. Un asistente para empleados lee documentos de políticas, más algunos campos del HRIS para poder decirle algo distinto a un gerente en Alemania que a uno en Brasil.

Por eso la pregunta no es «¿es buena la IA?», sino «¿qué está mirando la IA?». Cuando la respuesta es «un desorden», fallan tres cosas:

• Las predicciones se inclinan hacia lo que los datos sobrerrepresentan. Si diez años de registros de ascensos provienen de una sola oficina y una sola familia de puestos, un modelo que predice «listo para ascender» aprende los hábitos de esa oficina. Ese es el mecanismo detrás del sesgo en la IA, y empieza en los datos, no en el algoritmo.
• Los asistentes responden con seguridad a partir de fuentes obsoletas. Un asistente de políticas que lee tres versiones de la política de licencia parental elegirá una. Nadie sabrá cuál.
• Los análisis se contradicen entre sí. Cuando la dotación de personal de finanzas difiere de la de recursos humanos, el primer informe de plantilla generado por IA se convierte en una discusión sobre cifras en lugar de una decisión.

La ventaja de tratar esto como un cimiento y no como una tarea de limpieza es que el mismo trabajo rinde frutos con o sin IA. Informes más limpios, auditorías más rápidas y menos correcciones de nómina salen de las mismas mejoras.

Los cinco problemas de datos que rompen la IA de recursos humanos

No encontrará todos en cada empresa. En la mayoría encontrará al menos tres. Están ordenados, aproximadamente, según la frecuencia con la que sorprenden a los equipos durante un piloto.

Duplicados e identidad

La identidad es lo primero que hay que arreglar, porque todo cruce de datos depende de ella. Si un postulante se convierte en empleado y el registro del ATS nunca se vincula con el del HRIS, no puede preguntarse si el canal de búsqueda predice la retención. Las recontrataciones y los contratistas que pasan a ser empleados son los culpables habituales, igual que las adquisiciones, donde se fusionan dos instancias del HRIS y la misma persona aparece en ambas.

Arquitectura de puestos

Los títulos de puesto los escriben personas, y las personas son creativas. Una arquitectura de puestos (niveles, familias y un catálogo de roles estándar) convierte los títulos en datos que un modelo puede usar. Sin ella, «muéstreme a todos los que podrían pasar a un puesto de product manager» es una suposición basada en coincidencia de palabras clave. Las funciones de IA basadas en habilidades, los mercados internos de talento y el análisis de equidad salarial dan por hecho que esta estructura existe.

Fechas de vigencia

Un HRIS que solo almacena el estado actual puede decirle dónde está alguien hoy, pero no cómo llegó ahí. La fecha de vigencia significa que cada cambio lleva la fecha desde la cual se aplica, de modo que se puede reconstruir cualquier momento pasado. Esto importa también para el análisis de equidad: si quiere comprobar si las tasas de ascenso difieren entre grupos, necesita las fechas reales de los ascensos reales, no las fechas de captura de datos.

Sistemas aislados y texto libre

La mayoría de los entornos de recursos humanos crecieron añadiendo las mejores herramientas de cada categoría, así que los datos viven en muchos lugares. La solución no siempre es una sola plataforma. Es acordar qué sistema es dueño de cada campo, para que nunca haya dos sistemas editando el mismo valor. La misma disciplina aplica al texto libre. Los comentarios de entrevistas de salida y las notas de los reclutadores pueden alimentar un modelo de análisis de texto, pero también contienen datos de salud, situaciones familiares y opiniones sobre colegas con nombre y apellido. Trátelos como los campos de mayor riesgo del edificio hasta que se demuestre lo contrario.

Enfoques de integración que funcionan en recursos humanos

Tiene cuatro formas realistas de llevar los datos desde donde viven hasta donde la IA puede usarlos. Elija según cuántos sistemas tenga y con qué rapidez deban moverse los datos.

Dos reglas aplican sea cual sea su elección.

Nombre un sistema de registro para cada campo. El nombre legal y el documento nacional de identidad viven en el HRIS. El estado de la requisición vive en el ATS. El salario vive en la nómina, y el HRIS lo lee. Si dos sistemas pueden cambiar un valor, tendrá un conflicto, y los conflictos nunca se resuelven solos en silencio.

Mueva lo mínimo. Un asistente que responde preguntas sobre licencias no necesita el historial salarial. Traer solo los campos que requiere un caso de uso mantiene la IA más simple, reduce la exposición a filtraciones y acorta su evaluación de privacidad. El GDPR lo convierte en un principio: los datos personales deben ser «adecuados, pertinentes y limitados a lo necesario» para la finalidad (GDPR, artículo 5(1)(c)).

Si su plan incluye un asistente basado en recuperación que lee políticas y registros, la pregunta de integración se vuelve también una pregunta de contenido: qué documentos están vigentes y quién retira los antiguos. La mecánica se explica en la generación aumentada por recuperación.

Privacidad básica de los datos de los empleados

Los datos de los empleados son de los más sensibles que posee una empresa, y la IA añade nuevas formas de hacer un mal uso de ellos. Esto es una orientación para gerentes, no asesoría jurídica, y su asesor legal debe confirmar qué aplica en cada país donde emplea personas.

Conozca los principios. Los principios centrales del GDPR aplican a todo conjunto de datos de recursos humanos que cubre: licitud, limitación de la finalidad, minimización de datos, exactitud, limitación del plazo de conservación y seguridad. Los dos que más pesan para la IA son la exactitud (el deber del artículo 5(1)(d) de rectificar pronto los datos erróneos) y la limitación del plazo de conservación, que indica que los datos deben mantenerse en forma identificable no más tiempo del necesario (artículo 5(1)(e)). Un modelo entrenado con registros que debía eliminar es un problema que usted creó a propósito.

Trate con cuidado las categorías especiales. El GDPR restringe el tratamiento de datos que revelen el origen étnico o racial, las opiniones políticas, las convicciones religiosas o la afiliación sindical, además de datos genéticos, datos biométricos usados para identificar a una persona y datos sobre salud o vida sexual (artículo 9(1)). Los sistemas de recursos humanos recogen parte de esto por razones legítimas, como las licencias por enfermedad o los informes de diversidad. Manténgalo fuera de las entradas de la IA, a menos que haya decidido incluirlo a propósito y haya documentado por qué.

Recuerde que las normas laborales nacionales pueden sumarse al GDPR. El artículo 88 permite a los Estados miembros fijar normas más específicas, por ley o por convenio colectivo, para el tratamiento de los datos de los empleados en el ámbito laboral, incluidos la contratación, la ejecución del contrato de trabajo y la planificación y organización del trabajo (artículo 88). En la práctica, un despliegue que está bien en un país puede requerir la participación del comité de empresa o un aviso adicional en otro.

Haga la evaluación de impacto antes del piloto. Cuando el tratamiento, en especial con nuevas tecnologías, pueda entrañar un alto riesgo para los derechos y libertades de las personas, el GDPR exige una evaluación antes de que comience el tratamiento (artículo 35). Puntuar o clasificar a los empleados con una herramienta nueva es un ejemplo de manual.

Mantenga a una persona en las decisiones importantes. El artículo 22 da a las personas el derecho a no ser objeto de una decisión basada únicamente en un tratamiento automatizado que produzca efectos jurídicos o similarmente significativos (artículo 22). La respuesta práctica es un revisor real que pueda cambiar el resultado, que es la idea detrás del human-in-the-loop (persona en el circuito).

Tenga presentes los deberes de datos de la AI Act si opera en la UE. La IA relacionada con el empleo se clasifica como de alto riesgo en el Anexo III, y el artículo 10 fija expectativas de gobernanza sobre los datos usados para entrenar, validar y probar esos sistemas. Incluyen documentar de dónde provienen los datos y por qué se recopilaron, cómo se limpiaron y etiquetaron, y examinarlos en busca de sesgos que puedan perjudicar los derechos de las personas (AI Act, artículo 10). Sus obligaciones dependen de si usted construye el sistema o despliega el de un proveedor, así que pregunte a los proveedores qué documentación pueden entregarle.

Fuera de la UE, el panorama es similar. En el Reino Unido, la Information Commissioner's Office publica orientación para empleadores sobre cómo conservar registros laborales y supervisar a los trabajadores (ICO employment information). Las normas de Estados Unidos son un mosaico por estado y por caso de uso, así que verifique dónde se ubican sus empleados y candidatos.

Para la visión a nivel de organización de cómo encajan estos controles, consulte la gobernanza de la IA. El AI Risk Management Framework voluntario de NIST, publicado como versión 1.0 en enero de 2023, es una estructura útil para la conversación sobre riesgos, organizada en torno a cuatro funciones: Govern, Map, Measure y Manage.

Una lista de verificación de preparación de datos para la IA de recursos humanos

Úsela antes de aprobar un piloto. Para cada fila, marque Listo, Parcial o No listo. Dos o más respuestas «No listo» en las primeras seis filas significan arreglar primero los datos y pilotear después.

Las filas de identidad, fecha de vigencia y representación son las más importantes para cualquier uso que puntúe, clasifique o supervise personas. Un piloto pequeño y de bajo riesgo, como un asistente de preguntas y respuestas sobre políticas, puede comenzar con las demás filas cumplidas solo en parte.

Una secuencia que funciona

No necesita un programa de datos de dos años antes de empezar. Una secuencia que mantiene el impulso:

1. Elija primero un solo caso de uso. Escójalo con los criterios de la priorización de casos de uso de IA y luego enumere solo los campos que ese caso necesita. Un asistente de políticas de licencias necesita documentos y algunos campos de perfil. Un modelo de riesgo de fuga necesita años de historial limpio.
2. Perfile los datos de ese caso de uso. Cuente duplicados, vacíos y variantes de títulos solo en esos campos. Los números en una sola página mueven a la dirección más rápido que una queja general sobre los datos.
3. Corrija en el origen, no aguas abajo. Limpiar una copia en el almacén mientras el HRIS sigue produciendo registros malos significa que volverá a limpiarla el próximo trimestre. Añada validación a los formularios, haga obligatorios los campos y elimine el texto libre donde baste una lista desplegable.
4. Corrija el proceso que crea los defectos. Los registros duplicados suelen venir de un traspaso, como de la aceptación de la oferta a la incorporación (onboarding). El caos de títulos viene de dejar que los gerentes creen puestos. Ponga una compuerta en esos puntos.
5. Asigne responsables. Una persona de operaciones de recursos humanos es dueña de cada conjunto de datos importante, con un informe mensual de calidad para el equipo directivo de recursos humanos.
6. Piloto, mida, amplíe. Ejecute el piloto con la porción limpia. Pase al siguiente caso de uso cuando los datos del primero sean estables.

La misma disciplina importa para los agentes de IA que ejecutan acciones, no solo responden preguntas. Un agente que actualiza registros o dirige candidatos es tan seguro como los datos que lee y los permisos que tiene, un punto que se trata en los agentes de IA para recursos humanos.

Errores comunes

• Comprar primero la herramienta y descubrir los problemas de datos en el piloto. Los proveedores hacen demostraciones con datos de muestra ordenados. Su primera semana en producción no se parecerá a la demo.
• Limpiar una sola vez. Sin un responsable y una revisión mensual, la calidad se deteriora en un año a medida que se acumulan nuevas contrataciones, reorganizaciones y cambios de sistemas.
• Tratar el consentimiento como una panacea. Los empleados a menudo no pueden negarse con libertad cuando su empleador se lo pide, por lo que el consentimiento puede ser un terreno frágil para el tratamiento en el trabajo. Consulte a su asesor legal qué base jurídica corresponde a cada uso.
• Enviarlo todo a la IA. Más campos parecen más seguros para el equipo que construye la integración. Son más riesgosos para las personas a quienes pertenecen los datos.
• Ignorar la explicabilidad. Si un proveedor no puede decirle qué datos determinaron una puntuación, no puede corregir los datos cuando la puntuación es errónea. La IA explicable es tanto un requisito de datos como de modelo.