Cómo medir la IA en recursos humanos: métricas para contratación, servicio y experiencia del empleado

Por Kevin Kim · Actualizado el 11 de octubre de 2026

Medir la IA en recursos humanos significa dar seguimiento a un conjunto reducido de métricas de antes y después en cuatro áreas (rapidez y calidad de la contratación, prestación de servicios de recursos humanos, experiencia del empleado, y equidad y riesgo), cada una comparada con una línea base que registró antes del lanzamiento y, cuando sea posible, con un grupo que no recibió la herramienta. Sin la línea base, «la IA nos ahorró tiempo» es una opinión. Con ella, tiene una cifra que puede defender ante un CFO, un auditor o un reclutador escéptico.

Esta página es para directores de recursos humanos, responsables de analítica de personas y gerentes de recursos humanos que han activado una herramienta de IA (un filtro de candidatos, un chatbot, un asistente de programación) y ahora deben demostrar que funciona. Le ofrece las métricas por función de recursos humanos, una tabla que puede copiar, una configuración paso a paso y los errores que hacen que los resultados parezcan mejores de lo que son. Para el panorama general de dónde encaja la IA en la función, comience con la IA en recursos humanos. Esta es información general, no asesoría jurídica.

Datos clave

• El benchmarking de reclutamiento de SHRM para 2026 informa una mediana de tiempo de cobertura (time-to-fill) de 39 días naturales para puestos no ejecutivos, una disminución respecto del año anterior; informa que el costo por contratación ejecutiva va en aumento y que el de puestos no ejecutivos es relativamente estable (SHRM).
• Según la directriz federal estadounidense de las «cuatro quintas partes», una tasa de selección inferior al 80% de la tasa del grupo más alto suele considerarse, por los organismos federales de cumplimiento, evidencia de impacto adverso, aunque las muestras pequeñas pueden volver estadísticamente irrelevante una brecha (29 CFR 1607.4).
• La Local Law 144 de la ciudad de Nueva York prohíbe usar una herramienta automatizada de decisión de empleo a menos que haya pasado una auditoría de sesgos dentro del año previo a su uso, y la ciudad comenzó a aplicarla el 5 de julio de 2023 (NYC DCWP).
• La Comisión Europea clasifica el software de clasificación de currículums como un uso de alto riesgo, y los sistemas de alto riesgo enfrentan obligaciones estrictas a partir del 2 de diciembre de 2027 según el calendario vigente (Comisión Europea).
• El AI Risk Management Framework de NIST, publicado el 26 de enero de 2023 para uso voluntario, nombra Measure como una de sus cuatro funciones, junto con Govern, Map y Manage (NIST).

Por qué fracasa la mayoría de las mediciones de IA en recursos humanos

Tres cosas salen mal una y otra vez.

Sin línea base. Un equipo lanza una herramienta de selección en marzo, nota que el tiempo de contratación bajó en junio y se lo atribuye a la herramienta. Pero el congelamiento de contrataciones terminó en abril y dos reclutadores se incorporaron en mayo. Nadie anotó cuál era el tiempo de contratación en febrero, por familia de puestos, así que nadie puede separar la herramienta de todo lo demás que cambió.

Contar actividad en lugar de resultados. «El chatbot respondió 4000 preguntas» habla de volumen. No dice si los empleados obtuvieron la respuesta correcta, ni si la carga de casos del equipo de servicio de recursos humanos realmente bajó.

Medir solo lo favorable. Una herramienta puede acelerar la contratación y reducir en silencio la proporción de un grupo que pasa el filtro. Si su tablero solo muestra rapidez y costo, no lo verá. La equidad y las tasas de error pertenecen a la misma página que los ahorros.

La solución es la misma en cada caso: decida las métricas, registre la línea base e informe juntas la rapidez, la calidad y el riesgo. La lógica general se trata en la medición del ROI de la IA; esta página la aplica a recursos humanos.

Las cuatro familias de métricas

1. Contratación: rapidez, calidad y experiencia del candidato

Estas son las métricas que la mayoría de los equipos ya tiene, lo que las convierte en el lugar más fácil para empezar.

• Tiempo de cobertura (time-to-fill): días desde una requisición aprobada (o una oferta de empleo) hasta una oferta aceptada. El benchmarking de reclutamiento de SHRM para 2026 da una mediana de 39 días naturales para puestos no ejecutivos (SHRM). Tómelo como contexto, no como meta: su mezcla de puestos, ubicaciones y niveles de antigüedad será distinta, y debe comparar primero con su propio historial.
• Tiempo de contratación (time-to-hire): días desde que un candidato entra al proceso hasta que acepta. Las empresas definen distinto los puntos de inicio y fin, así que escriba su definición y manténgala fija.
• Horas de reclutador por contratación: el tiempo que los reclutadores dedican a selección, programación y coordinación. Esto es lo que las herramientas de selección y programación dicen reducir, así que mídalo con una breve muestra de registro de tiempo antes y después.
• Abandono de candidatos: la proporción de candidatos que se retira en cada etapa. Si la programación con IA acelera las entrevistas pero el abandono en la etapa de evaluación sube, ha movido el problema.
• Calidad de la contratación: un compuesto de la calificación de desempeño del nuevo empleado, la retención a los 6 o 12 meses y la satisfacción del gerente contratante. Madura despacio, así que configúrela pronto y espere leerla un año después.
• Tasa de aceptación de ofertas: un indicador rápido de si los candidatos tuvieron una buena experiencia.

Para saber cómo las herramientas de selección producen las puntuaciones detrás de estas cifras, consulte el filtrado de currículums con IA.

2. Servicio de recursos humanos: resolución, desvío y escalamiento

Si usa un asistente de IA para responder preguntas de los empleados sobre licencias, nómina, beneficios o políticas, mídalo como a cualquier mesa de servicio.

• Tiempo de resolución de casos: desde que se abre el ticket hasta que se cierra, desglosado por tipo de caso.
• Resolución en el primer contacto: la proporción de preguntas respondidas por completo la primera vez, sin seguimiento.
• Desvío de casos hacia el autoservicio: la proporción de preguntas que el asistente resolvió sin que se creara un caso humano. El desvío solo es bueno si la respuesta fue correcta, así que combínelo con una revisión puntual o una calificación de «¿le resultó útil?» y un conteo de contactos repetidos sobre el mismo asunto.
• Tasa de escalamiento: la proporción que se pasa a una persona. Una tasa muy baja puede significar que el bot tiene demasiada confianza; una muy alta significa que no está ayudando.
• Tasa de error: la proporción de respuestas que un revisor marca como erróneas. Revise cada semana un número fijo de muestras, ponderadas hacia temas sensibles como salario, licencias y terminación de la relación laboral.

3. Experiencia del empleado: sentimiento, adopción y confianza

• Adopción: la proporción de empleados o gerentes elegibles que usan la herramienta en un mes dado, y cuántos vuelven. Un uso repetido bajo es una alerta temprana de que la herramienta no es útil.
• Sentimiento: una encuesta de pulso de una pregunta tras una interacción («¿Esto resolvió su problema?») funciona mejor que una encuesta trimestral, porque vincula la puntuación con la herramienta.
• Movimiento del eNPS o del compromiso: désele seguimiento, pero reconozca que muchas cosas mueven el compromiso. Compare grupos con y sin la herramienta en lugar de atribuirle un cambio en toda la empresa.
• Tiempo del gerente en tareas administrativas: para herramientas que redactan evaluaciones o descripciones del puesto, mida con una muestra cuánto tarda la tarea ahora frente a antes.

4. Riesgo y equidad: sesgo, anulaciones y errores

Esta es la familia sobre la que preguntan reguladores y auditores, así que necesita cifras propias.

• Tasa de selección por grupo y razón de impacto adverso: para cada etapa en que una herramienta filtra o clasifica personas, calcule la proporción de cada grupo que avanza y luego divida la tasa de cada grupo entre la del grupo más alto. La directriz federal considera una razón inferior a las cuatro quintas partes (80%) como algo que suele tomarse como evidencia de impacto adverso, y también dice que el panorama cambia con el tamaño de la muestra: una brecha mayor con pocos números puede no ser significativa, mientras que una brecha menor puede importar si es significativa en términos estadísticos y prácticos (29 CFR 1607.4). La razón es una señal para investigar, no un aprobado o reprobado.
• Tasa de anulación: con qué frecuencia un revisor humano cambia la recomendación de la herramienta. Cerca de cero puede significar que los revisores dan el visto bueno sin revisar. Muy alta significa que no se confía en la herramienta o que no es buena. Dé seguimiento también a la dirección de las anulaciones.
• Tasa de errores y quejas: respuestas erróneas, candidatos rechazados por error que se descubren en la revisión y quejas de los empleados sobre la herramienta.
• Cobertura de las revisiones: la proporción de resultados adversos (como un rechazo causado por una regla eliminatoria) que una persona realmente examinó.

Cuando usa una herramienta automatizada con candidatos en la ciudad de Nueva York, la ley exige una auditoría de sesgos dentro del año previo al uso, y la ciudad comenzó a aplicarla el 5 de julio de 2023 (NYC DCWP). En la UE, el software de clasificación de currículums es un uso de alto riesgo listado, con obligaciones estrictas para los sistemas de alto riesgo a partir del 2 de diciembre de 2027 (Comisión Europea). Esa fecha proviene del calendario vigente tras los cambios del AI Omnibus, así que vuelva a confirmarla antes de planificar en torno a ella. Para saber cómo se conecta el lado de auditoría con la persona que revisa, consulte la supervisión humana en la IA de recursos humanos.

La tabla de medición

Cópiela en su sistema de seguimiento y complete la columna de línea base antes del lanzamiento.

La mayoría de estas celdas se apoyan en datos que ya posee. Si no es así, eso es un problema de fundamentos de datos que debe resolver antes de medir nada.

Cómo configurar la medición paso a paso

1. Nombre un resultado principal por herramienta. El resultado de un filtro de candidatos podría ser las horas de reclutador por contratación. El de un chatbot, la resolución en el primer contacto. Todo lo demás es secundario. Demasiadas «metas» significan que siempre puede encontrar una que se vea bien.
2. Defina cada métrica en una frase y congélela. ¿Dónde empieza a correr el reloj del tiempo de contratación? ¿Qué cuenta como «resuelto»? Cambiar la definición a mitad de año rompe la comparación.
3. Registre la línea base antes del lanzamiento. Reúna al menos cuatro a seis trimestres de historial, desglosados por familia de puestos, ubicación y tipo de caso. Si el historial está desordenado, haga una breve medición manual durante unas semanas. Regístrela por escrito.
4. Añada un grupo de comparación siempre que sea posible. Despliegue primero la herramienta en una región, una unidad de negocio o la mitad de las requisiciones, y conserve el resto como comparación. Si puede aleatorizar, hágalo. Si no, al menos empareje los grupos por puesto, antigüedad y temporada. Esta es la forma más eficaz de evitar que una oscilación estacional se confunda con un resultado.
5. Añada las métricas de riesgo desde el primer día. Configure el cálculo de la tasa de selección por grupo y la revisión semanal de muestras en el lanzamiento, no después de la primera queja.
6. Decida la cadencia de revisión y el responsable. Una revisión operativa mensual, una revisión trimestral con la dirección y un responsable con nombre para cada métrica.
7. Fije umbrales que activen una acción. Por ejemplo: si la razón de impacto adverso de cualquier grupo en cualquier etapa baja de 0,80, pause el paso automatizado y haga que una persona revise hasta que se explique. Decídalo antes de ver las cifras.
8. Convierta las horas en decisiones, no en dólares, salvo que el dinero se mueva. Más sobre esto a continuación.
9. Informe rapidez, calidad y riesgo en una sola página. Un líder que solo ve los ahorros optimizará para ellos.

Horas ahorradas no es dinero ahorrado

Este es el exceso de afirmación más común en los informes de IA de recursos humanos. Si un asistente ahorra tres horas por semana a cada reclutador, usted tiene 3 horas de capacidad, no una reducción de costos de 3 horas. El dinero solo aparece si hace algo con esa capacidad: reducir el gasto en agencias u horas extra, evitar una contratación planificada o reasignar el tiempo a un trabajo que produzca resultados medibles (más conversaciones con candidatos, ofertas más rápidas, mejor incorporación).

Por eso informe en dos líneas. Primero, las horas liberadas, respaldadas por una muestra de tiempo. Segundo, qué hizo con ellas y el cambio resultante en una cifra concreta, si lo hubo. Si liberó tiempo y lo dedicó a algo no medible, dígalo; sigue siendo un beneficio real, pero llámelo capacidad. El tiempo ahorrado frente al impacto en ingresos recorre esta distinción para la IA en general.

Cuente también los costos. Las licencias, el trabajo de integración, las personas que revisan los resultados, los honorarios de auditoría y el tiempo de capacitación pertenecen al otro lado del libro. Una herramienta que ahorra a los reclutadores 100 horas al mes pero requiere 60 horas de revisión es una victoria menor de lo que parece.

Ejemplos por función de recursos humanos

Note que cada fila empareja una métrica de ahorro con una complementaria de calidad o equidad. Ese emparejamiento es el hábito que vale la pena construir. Para el lado analítico, consulte la analítica de personas y la IA, y para la dimensión del sesgo en la contratación en concreto, el sesgo de la IA en la contratación.

Errores comunes

• Empezar por el tablero en lugar de por la pregunta. Elija la decisión que informará la cifra y luego construya el gráfico.
• Medir solo el entusiasmo del grupo piloto. Los primeros usuarios son más amables que el empleado promedio. Incluya a quienes no se sumaron por su cuenta.
• Comparar el mes de lanzamiento con un pico estacional. Compare lo comparable, idealmente año contra año o contra un grupo paralelo.
• Dejar que las métricas del proveedor sean las únicas métricas. Los tableros de los proveedores informan lo que el proveedor eligió. Obtenga sus propias cifras de sus propios sistemas.
• Tratar la cifra de las cuatro quintas partes como un puerto seguro legal. Es una señal de cribado, y las propias directrices advierten sobre los números pequeños.
• Ignorar a las personas a las que la herramienta no llega. Si parte de su plantilla no puede usar el asistente (por ejemplo, trabajadores por turnos sin acceso a un dispositivo), las métricas de adopción favorecerán a la herramienta.
• No retirar nunca una métrica. Si nadie actúa sobre ella, elimínela. Un tablero de indicadores más corto se lee.