En medio del entusiasmo por el avance de la inteligencia artificial, pocas compañías quieren reconocer que una iniciativa tecnológica puede fracasar. Resulta más atractivo anunciar nuevos agentes, automatizar procesos o afirmar en la memoria anual que la IA ya forma parte de la estrategia.
Sin embargo, detrás de la novedad surge una pregunta menos cómoda: ¿qué valor concreto está generando para el negocio y sus colaboradores?
El error clave de las áreas de Recursos Humanos al incorporar IA
“El principal problema de la inteligencia artificial es que es muy sexy. Resulta atractivo decirles a los clientes, al directorio o al resto de la organización que estamos adoptando IA en el 75% de nuestros procesos. Sin embargo, la gran incógnita es cuánto valor real generan esos procesos para el negocio”, resalta Alonso Mujica, partner y managing director de Kuali by Cornerstone, una HR tech respaldada por la consultora global.
En otras palabras, una organización puede comunicar que ha incorporado IA en gran parte de sus procesos y, aun así, no haber transformado realmente su gestión del talento.
No se trata de un desafío menor. El estudio Talent Insights 2026, elaborado por Cornerstone con la participación de más de 600 líderes de Recursos Humanos de Latinoamérica, muestra que la tecnología avanza mientras las organizaciones intentan definir qué capacidades necesitarán para competir y adaptarse.
En el Perú, el 36.8% de los encuestados identifica la incorporación de IA en los procesos de gestión de personas como uno de sus principales retos del año, mientras que el 44.8% aún no habría implementado esta tecnología en ninguna etapa de la gestión del talento.
Usar inteligencia artificial no significa transformar la organización
La primera diferencia radica en el alcance. Un colaborador puede emplear ChatGPT o Gemini para resumir documentos, organizar información o resolver una tarea cotidiana. Sin embargo, ese uso individual no significa que la empresa haya integrado la IA en sus procesos críticos.
“Una cosa es utilizar inteligencia artificial en los procesos cotidianos y otra muy distinta es emplearla para generar nuevas soluciones de negocio o automatizar procesos críticos. Son dos niveles muy diferentes, pero comenzar a utilizar la IA en las tareas diarias ya representa un gran primer paso”, advierte Mujica.
Para que la adopción deje de ser una suma de experimentos aislados, el ejecutivo plantea tres condiciones. La primera es que la alta dirección incorpore la IA en la estrategia empresarial. La segunda consiste en acompañar su implementación con un cambio cultural. La tercera exige revisar la estructura de la organización, pues pueden surgir nuevos roles, responsabilidades y formas de colaboración.
El problema surge cuando una compañía intenta afrontar desafíos futuros con procesos y culturas diseñados para otra época. Los protocolos excesivamente rígidos, las áreas que operan como islas y los sistemas heredados pueden convertirse en obstáculos para la innovación.
Esto tampoco significa desechar de inmediato todo lo anterior. Kuali by Cornerstone combina herramientas de selección, aprendizaje y analítica mediante soluciones como ATS, LMS y People Analytics. La integración tecnológica debería permitir que la información fluya entre ellas, en lugar de sumar una nueva plataforma a un ecosistema que ya se encontraba fragmentado.
Ahorrar tiempo es apenas el punto de partida
La automatización suele justificarse mediante una promesa sencilla: reducir el tiempo dedicado a tareas repetitivas. El beneficio resulta especialmente visible en empresas que reciben miles de postulaciones al mes y mantienen equipos enteros revisando currículums, aplicando filtros o coordinando entrevistas.
Según un caso de estudio citado por Mujica, la adopción de IA en procesos masivos puede reducir hasta en un 70% el tiempo destinado a determinadas tareas manuales y permitir que las contrataciones avancen hasta dos veces más rápido. Estas cifras corresponden al caso presentado por Kuali y no representan un promedio general del mercado.
Pero la verdadera prueba comienza después: ¿qué ocurre con las horas recuperadas?
Para Mujica, el objetivo no debería limitarse a reducir personal o asignar más tareas. El tiempo liberado puede destinarse a fortalecer la inducción, escuchar a los colaboradores, intervenir en el clima laboral, mejorar la retención o acompañar el desempeño.
Así, la discusión deja de centrarse en cuántos currículums puede analizar una herramienta por minuto. La cuestión principal pasa a ser si la empresa está incorporando mejores candidatos, reduciendo las salidas tempranas o permitiendo que Recursos Humanos dedique más atención a problemas que requieren criterio y cercanía.
El algoritmo también puede aprender los errores del pasado
La IA suele presentarse como una alternativa frente a la subjetividad de los procesos humanos. Sin embargo, los modelos también aprenden de datos generados por personas y organizaciones. Si una empresa ha promovido históricamente a determinados perfiles o ha evaluado con criterios sesgados, la tecnología podría reproducir esos patrones.
“La inteligencia artificial ha sido entrenada por seres humanos y con datos históricos generados por personas. Por ello, esos datos pueden contener sesgos”, reconoce Mujica.
La Organización Internacional del Trabajo (OIT) advierte que algunas soluciones de IA aplicadas a Recursos Humanos operan con objetivos mal definidos, datos de baja calidad o sesgados y mecanismos poco transparentes. Estas deficiencias pueden generar riesgos prácticos, éticos y legales para las empresas y los trabajadores.
Frente a este escenario, mantener a una persona a cargo de la decisión final no es suficiente. Las organizaciones necesitan identificar los riesgos desde el diseño, revisar las variables utilizadas y calibrar continuamente las recomendaciones. También deben evitar que la supervisión humana se convierta en una aprobación automática de lo sugerido por el sistema.
“Esto nunca es una carrera terminada”, resume Mujica. La precisión de una herramienta no queda resuelta con su lanzamiento, sino que exige revisión, aprendizaje y correcciones permanentes.
¿Análisis de talento o vigilancia laboral?
La misma tensión surge cuando la IA se utiliza para analizar el clima laboral, el desempeño, las comunicaciones internas o las señales de comportamiento de los equipos. La tecnología puede ayudar a detectar problemas, pero también hacer que los colaboradores se sientan observados.
Para Mujica, la respuesta parte de una política de transparencia total. Cada persona debería saber qué información recopila la empresa, con qué finalidad y cómo podría influir en las decisiones relacionadas con su trabajo.
Este principio adquiere mayor relevancia ante el marco regulatorio peruano. El nuevo Reglamento de la Ley de Protección de Datos Personales está vigente desde marzo de 2025. Además, el Reglamento de la Ley N.º 31814, aprobado en septiembre de ese año, estableció disposiciones para el desarrollo y uso responsable de sistemas de inteligencia artificial.
Sin embargo, aceptar una política de datos no equivale a otorgarle a la empresa permiso para vigilarlo todo. Las organizaciones aún deben preguntarse si esa información es necesaria, quién podrá consultarla, durante cuánto tiempo se conservará y si el colaborador tendrá la posibilidad de conocer o cuestionar una decisión automatizada.
Fracasar rápido también puede ser una decisión estratégica
La última prueba de madurez aparece cuando un proyecto no funciona. Mujica sostiene que toda implementación debería comenzar con una hipótesis, un resultado esperado y un conjunto de indicadores que permitan evaluar su avance.
No basta con medir cuántos usuarios ingresaron a la plataforma o cuántas tareas fueron automatizadas. Una iniciativa de selección debería demostrar mejoras en la calidad y permanencia de las contrataciones. Una herramienta de capacitación tendría que evidenciar que las capacidades adquiridas se aplican en el puesto. Por su parte, un sistema de movilidad interna debería aumentar la cantidad de posiciones cubiertas con talento propio.
“Si, después de realizar cambios, el proyecto sigue sin aportar valor al negocio, debemos permitir que fracase rápido. Este también es un asunto cultural, porque el miedo al fracaso es un problema común”, asegura Mujica.
Bajo esta perspectiva, muchas organizaciones consideran que cerrar una iniciativa equivale a admitir una derrota. Sin embargo, sostener durante años una solución que no cumple la hipótesis planteada consume recursos y dificulta probar alternativas con mayor potencial.
El aprendizaje no consiste en adoptar la mayor cantidad de herramientas ni en aparecer en los ránkings de innovación. Radica en distinguir qué problemas merecen ser automatizados, qué decisiones deben conservar el juicio humano y cuándo una iniciativa debe dejar de existir.
La IA puede ahorrar miles de horas y producir titulares atractivos. Pero, si no mejora ninguna decisión, quizá la empresa no transformó Recursos Humanos: solo automatizó su desorden.
