Inteligencia artificial en Recursos Humanos: estrategias clave para transformar la experimentación en ventaja competitiva para 2027

La inteligencia artificial ya se ha convertido en una herramienta cotidiana para numerosos profesionales, aunque su adopción en los procesos estructurados de las organizaciones avanza a un ritmo distinto. De cara a 2027, el reto de los departamentos de Recursos Humanos no consistirá únicamente en acumular nuevas tecnologías, sino en determinar los problemas que deben solucionarse, asignar la autoridad de implementación, establecer métricas de desempeño y definir los controles necesarios para salvaguardar la información y mantener la supervisión humana.

Ese fue el foco de “IA en la agenda de RRHH 2027”, el evento celebrado el 20 de octubre en la Bolsa de Comercio de Mendoza, bajo el auspicio de Mandü by Visma, el Instituto Universitario de Ciencias Empresariales y Bench Club. La jornada congregó a líderes en gestión del talento y tecnología para debatir la transición de la inteligencia artificial de experimentos aislados a procesos corporativos alineados con los objetivos de negocio.

Participaron Claudia Vázquez, directora ejecutiva y fundadora de InnovaRH Latam; Juan Chessa, responsable de Talent Acquisition y embajador de IA de Visma; y Alejo Cardoso, director del Laboratorio de Inteligencia Artificial del Polo TIC Mendoza. Cada uno abordó distintas facetas de esta transformación: la responsabilidad de RRHH, los límites de los modelos generativos, la gobernanza, la gestión de datos y el diseño de agentes capaces de ejecutar tareas.

Claudia Vázquez alertó sobre la discrepancia entre el uso personal de la IA y su integración institucional. “Si nadie es dueño, nadie gestiona, nadie tiene un KPI, nadie responde ante el negocio”, afirmó, subrayando la necesidad de asignar responsables y objetivos claros para la adopción.

El punto de partida señalado por Vázquez evidencia una brecha entre la adopción individual y la institucional. Según sus datos, el 94,2 % de los líderes de Recursos Humanos emplea IA, pero solo el 71,2 % la ha incorporado a un proceso formal del área. La inserción en flujos corporativos estrechamente ligados a los resultados del negocio sigue siendo un reto.

Para la experta, esa diferencia representa una oportunidad para que el Capital Humano deje de limitarse a gestionar el impacto tecnológico en los empleados y pase a influir directamente en la estrategia empresarial.

Recursos Humanos frente a la posibilidad de liderar la transformación

Uno de los principales obstáculos que Vázquez identifica es la ausencia de responsables claramente definidos para dirigir la implementación. En muchas compañías, la IA se introduce mediante iniciativas puntuales, sin una persona a cargo, sin indicadores concretos ni mecanismos de evaluación del impacto. “Si nadie es dueño, nadie gestiona, nadie tiene un KPI, nadie responde ante el negocio”, reiteró.

Esta frase resume un problema frecuente: disponer de herramientas no implica contar con una estrategia de uso. A esta dificultad se suman plataformas desconectadas de los sistemas corporativos, equipos poco preparados, liderazgo insuficiente y la falta de proyectos estructurados.

Vázquez también indicó que alrededor del 22 % avanza sin claridad sobre qué herramienta adquirir, quién administra las licencias o los tokens, ni cómo explotarlos. En algunos casos, la adopción responde a la presión competitiva sin un diagnóstico previo de las verdaderas necesidades de la organización.

El resultado puede ser una inversión tecnológica que no se traduce en mejoras medibles de productividad ni en resultados de negocio. Por ello, la especialista insiste en que cada implementación debe perseguir un objetivo concreto, contar con responsables y disponer de métricas que evalúen su desempeño.

“Hoy tenemos la oportunidad, hoy podemos abrir una puerta increíble, sentarnos en la mesa directiva, iniciar conversaciones de negocio y de estrategia empresarial”, sostuvo. Para capitalizar esa oportunidad, advirtió, el área debe comprender cómo aplicar estas herramientas y qué beneficios pueden generar para la empresa.

El departamento de Recursos Humanos puede desempeñar un rol central: identificar actividades susceptibles de automatizar, coordinar la capacitación, acompañar los cambios en la organización del trabajo y participar en la toma de decisiones sobre el uso de la tecnología.

En este sentido, la formación no debe limitarse a cursos genéricos sobre IA. Vázquez propuso utilizar cápsulas breves, prácticas y enfocadas en habilidades concretas, de modo que los equipos aprendan a resolver problemas reales con las herramientas disponibles.

La transformación también requiere el acompañamiento de los líderes. Poner a disposición una plataforma y dejar que cada empleado la explore no equivale a una estrategia estructurada. Es imprescindible establecer prioridades, definir responsabilidades y verificar que las soluciones aporten el valor esperado.

El encuentro en la Bolsa de Comercio de Mendoza dejó claro un desafío que afecta tanto a Recursos Humanos como a las áreas tecnológicas y a la alta dirección: convertir la adopción generalizada de la IA en una capacidad institucional.

De los prompts a los agentes: la evolución de la automatización

La incorporación de inteligencia artificial puede progresar desde la interacción mediante instrucciones o prompts hasta sistemas capaces de ejecutar tareas de forma autónoma y coordinar a varios agentes.

Vázquez describió esa evolución como un proceso gradual, en el que las herramientas se integran progresivamente con los sistemas, los flujos de trabajo y los objetivos corporativos. En las fases iniciales, el usuario solicita asistencia para generar una respuesta o completar una tarea. En etapas posteriores, la IA puede llevar a cabo secuencias de acciones y participar en procesos más complejos.

No obstante, a medida que aumenta la autonomía, también se intensifica la necesidad de definir las condiciones bajo las cuales opera el sistema. Automatizar un proceso requiere contexto e información sobre el flujo de trabajo. Los agentes, además, precisan roles, metas, contexto, memoria y mecanismos de revisión.

La experta recomendó avanzar mediante pruebas piloto, observar los resultados y escalar progresivamente aquellas aplicaciones que demuestren valor. El objetivo es crear equipos híbridos donde convivan personas y agentes de IA, con responsabilidades diferenciadas y supervisión humana.

La cuestión no se limita a determinar qué tareas puede ejecutar una máquina; también implica decidir cuáles requieren juicio humano, quién verifica los resultados y cómo se corrigen los errores. En este esquema, la automatización no exime a la organización de la responsabilidad sobre las decisiones y procesos delegados.

Para el representante del Polo TIC, el primer paso es comprender el tipo de herramienta que se está utilizando y evitar tanto la dependencia automática como el rechazo basado en experiencias negativas.

Alejo Cardoso resaltó una característica que diferencia a la IA generativa del software tradicional: la dificultad de predecir con exactitud sus respuestas. “Creo que nos pasa a todos, porque nadie puede sentir el cambio por la velocidad que tiene el cambio”, afirmó, añadiendo: “El cambio avanza más rápido de lo que el ser humano puede asimilar”.

El ritmo de desarrollo tecnológico supera la capacidad humana para comprenderlo y adoptarlo. Esa brecha genera reacciones contrapuestas: mientras algunos recurren a la IA para prácticamente todo, otros la descartan cuando detectan errores o resultados incoherentes.

Según el representante del Polo TIC, el primer paso es identificar la herramienta en uso y evitar tanto la dependencia automática como el rechazo basado en una mala experiencia. “Hay quien la utiliza para todo, consulta a la IA en cada detalle, y prácticamente todo pasa por ella. Otros, en cambio, dicen: ‘Me devuelve cualquier cosa, no puedo usarla porque no funciona’. Es una herramienta”, explicó.

A diferencia del software convencional, que opera bajo reglas y resultados predefinidos, los modelos generativos generan respuestas probabilísticas y estocásticas. Una misma solicitud puede producir resultados diferentes según el contexto, la redacción de la instrucción, el modelo empleado y las condiciones de uso.

Además, los sistemas están condicionados por los datos con los que fueron entrenados y pueden reproducir sesgos culturales. Por ello, dos modelos desarrollados por compañías distintas o entrenados en entornos diferentes pueden responder de forma diversa ante la misma pregunta. Estas particularidades tienen implicaciones para las empresas. Una herramienta puede ofrecer una respuesta convincente y, sin embargo, contener errores o información inadecuada para el caso concreto. La revisión no puede basarse únicamente en que el resultado parezca correcto.

Cardoso sostuvo que la gobernanza debe acompañar la naturaleza cambiante de la tecnología. No basta con establecer un procedimiento único, distribuirlo entre los empleados y asumir que el problema está resuelto. Las normas requieren seguimiento, colaboración interdepartamental y ajustes conforme evolucionen las herramientas y las necesidades organizacionales. “No basta con una aplicación procedimental de una persona, una simple directiva, y luego dar la espalda; es dinámico, es muy dinámico”, advirtió.

Tampoco existe una fórmula universal aplicable a todas las compañías. La estrategia debe adaptarse a los procesos, los datos disponibles, los riesgos y los objetivos de cada negocio. En este sentido, la experta también alertó sobre la sobrecarga de información y las modas que rodean a la IA. Intentar seguir cada novedad resulta complejo en un entorno donde las herramientas evolucionan más rápido de lo que las personas pueden comprenderlas y evaluarlas.

Desde esa perspectiva, la respuesta es desarrollar criterio para seleccionar aplicaciones, identificar sus limitaciones y revisar continuamente las reglas.

Fuente: Ambito.com