IA en RRHH y selección de personal: qué automatizar, qué no, y cómo implantarlo en empresa española sin meterte en líos

RRHH es el departamento del que más se habla cuando se discute IA en empresa y donde menos cosas se están implantando bien. La paradoja es brutal: en cada comité de dirección alguien suelta que “hay que usar IA en selección” o “podríamos automatizar el onboarding con IA”, pero cuando entras a mirar lo que realmente está en producción, te encuentras un ChatGPT con licencia personal que la responsable de talento usa para reescribir ofertas de trabajo. Si lo que buscas es implantar IA en RRHH con ROI medible y sin terminar en una hemeroteca del AI Act, este post es la versión operativa: qué procesos sí merece la pena automatizar, dónde está la trampa legal en España, qué arquitectura mínima necesitas y cómo medir si la implantación está dando retorno.

En Everglow llevamos varios trimestres entrando como implantadora de IA en empresas medianas y grandes españolas, y RRHH es uno de los departamentos donde más nos piden ayuda — y donde más fácil es liarse si no tienes criterio. No es porque la tecnología sea especialmente difícil; lo difícil es decidir qué tocar, qué dejar quieto y cómo gobernar el riesgo cuando los datos que manejas son currículums, evaluaciones de desempeño y conversaciones con empleados.

Por qué RRHH es un caso de uso de IA con doble filo

La mayoría de directores generales asumen que RRHH es un terreno fértil para la IA porque “hay mucho papeleo”. Es verdad, pero también es uno de los pocos departamentos donde una mala decisión de implantación te puede meter en problemas serios: con el AI Act, con la AEPD, con el comité de empresa y con tu propia plantilla. No es lo mismo automatizar una conciliación bancaria que automatizar un proceso de selección.

En RRHH no estás automatizando facturas. Estás automatizando decisiones que afectan a personas — y que tienen consecuencias legales reguladas. La IA aquí no se mide solo por horas ahorradas: se mide por horas ahorradas sin riesgo asumido.

Eso no significa que haya que renunciar. Significa que la regla de oro cambia respecto a back office o ventas: en RRHH, la IA debería asistir al humano en decisiones de alto impacto y sustituir al humano solo en tareas administrativas puras. Cualquiera que te venda lo contrario está vendiendo humo o vendiendo problemas.

Hay tres razones por las que aun así RRHH es un caso de uso atractivo en empresas medianas:

• Carga administrativa muy alta. Un equipo de RRHH típico en una empresa de 200 personas dedica entre el 35 % y el 50 % de su tiempo a tareas repetitivas (criba de CVs, programación de entrevistas, contestar dudas internas de empleados, generar documentación). Todo eso es automatizable con poco riesgo.
• Datos estructurados infrautilizados. El HRIS, el ATS y las encuestas de clima generan datos que casi ninguna empresa explota. Con un copiloto interno bien montado, la información ya existe — solo falta conectarla.
• Talento como cuello de botella. En España, contratar perfiles técnicos, comerciales y de operaciones es cada vez más lento. Acelerar los procesos de selección sin sacrificar calidad mueve la aguja en facturación, no solo en costes.

Qué procesos de RRHH sí merece la pena automatizar con IA

No todo lo que se puede automatizar conviene automatizarlo. Esta es la lista corta de procesos donde, con datos reales de proyectos en cliente, vemos retorno claro en menos de un trimestre.

1. Screening y enriquecimiento de candidatos (no decisión final)

El primer filtro de CVs es trabajo administrativo: revisar 300 candidaturas, descartar las que no cumplen requisitos duros (titulación, experiencia mínima, ubicación, idioma), agruparlas por encaje aproximado y dejar al recruiter una shortlist trabajable. Aquí la IA hace en minutos lo que un humano hace en días, y lo hace mejor porque no se cansa al CV número 150.

Lo que sí funciona:

• Extracción estructurada de información del CV (experiencia, skills, formación, idiomas).
• Validación contra criterios objetivos definidos por el hiring manager.
• Enriquecimiento con LinkedIn público y firma digital del propio candidato.
• Generación de un resumen ejecutivo de 5 líneas por candidato.

Lo que no debe hacer la IA: descartar candidatos automáticamente por criterios no objetivos, ordenar por “encaje cultural”, ni tomar decisiones finales. Eso te lleva directo a un sistema de alto riesgo bajo el AI Act y a una potencial reclamación por discriminación algorítmica. La IA prepara el material, el recruiter decide.

2. Generación y optimización de ofertas de empleo

Reescribir una oferta para que ataque a un perfil concreto, adaptarla a tres canales distintos (LinkedIn, portales generalistas, web propia), revisarla para sesgos de género y publicarla con keywords SEO de empleo es trabajo de copywriting + análisis. Un agente IA con acceso al manual de marca, al histórico de ofertas que funcionaron y al ATS hace esto en 20 minutos, frente a las 3-4 horas que cuesta hacerlo bien a mano.

3. Programación de entrevistas y comunicación con candidatos

Coordinar agendas entre tres entrevistadores, un candidato y dos zonas horarias es uno de los trabajos administrativos más caros de una empresa. Con integración entre tu ATS, los calendarios de los entrevistadores y un agente IA con permiso para proponer slots, se elimina prácticamente entero. Lo mismo aplica a las comunicaciones de seguimiento, recordatorios y feedback.

4. Onboarding administrativo

El onboarding de los primeros 30 días es 70 % administrativo: alta en sistemas, formaciones obligatorias, papeleo de RRHH, presentación del equipo, asignación de buddy, recogida de documentación. Un agente IA conectado al HRIS, al Active Directory y a las plataformas de formación puede orquestar esto sin que la nueva incorporación tenga que perseguir a nadie por Slack o email.

5. Copiloto interno para dudas de empleados (HR Help Desk)

La mayor parte de las consultas que recibe RRHH son repetitivas: vacaciones pendientes, política de teletrabajo, cómo pedir un anticipo, qué seguro médico tengo, cómo cambiar mis datos personales. Un copiloto interno con RAG sobre la documentación de RRHH, conectado al HRIS para datos personales y con escalado a humano cuando hace falta, resuelve entre el 60 % y el 80 % de las consultas automáticamente.

Si quieres profundizar en cómo se monta esto en concreto, lo cubrimos en detalle en nuestros posts sobre copilotos internos y RAG en empresa que tenemos publicados en Everglow, porque la arquitectura técnica es la misma que aplicamos en otras áreas.

6. People analytics y detección temprana de rotación

Aquí entramos en territorio interesante: usar IA para identificar señales tempranas de desvinculación, problemas de clima en un equipo concreto o riesgos de quema profesional, cruzando datos de encuestas, ausencias, evaluaciones y patrones de uso de herramientas. Esto no sustituye al criterio del manager — lo alerta antes de que se quede sin medio equipo. El ROI aquí no se mide en horas, se mide en costes de rotación evitados (que en perfiles cualificados están entre 30.000 y 80.000 € por baja).

Qué procesos NO automatizar con IA en RRHH (todavía)

Tan importante como saber qué hacer es saber qué no tocar. En estos casos, la combinación de riesgo regulatorio, sensibilidad humana y dificultad técnica hace que el retorno no compense.

• Decisión final de contratación. Que la IA prepare el material y haga preselección está bien. Que decida a quién se contrata, no. Es ilegal en muchos contextos bajo el AI Act y reputacionalmente suicida.
• Evaluaciones de desempeño “automáticas”. La IA puede ayudar a redactar feedback o resumir 360°, pero la nota final la pone un humano con contexto.
• Análisis de “encaje cultural” o personalidad por video o voz. Tecnología cara, polémica, regulada y con sesgos demostrados. No la toques.
• Decisiones disciplinarias o de despido. Ni en broma.
• Coaching personal a empleados con un chatbot disfrazado de psicólogo. Riesgo legal y humano muy alto, ROI difuso.

La línea es clara: la IA en RRHH asiste en lo administrativo y en lo analítico, pero no decide sobre personas. El día que tengas un comité de empresa preguntando por qué no han contratado a Fulanito, querrás poder responder con un nombre y apellido, no con “el modelo dijo que no”.

Arquitectura mínima para implantar IA en RRHH

No necesitas reinventar nada. Para una empresa mediana española, el stack mínimo se parece a esto:

• HRIS o sistema central (Factorial, Personio, BambooHR, SAP SuccessFactors o el que ya tengas) como fuente de verdad para datos de empleados.
• ATS (Greenhouse, Workable, Teamtailor, Hirevue, o el integrado en tu HRIS) para la parte de selección.
• Capa de orquestación con n8n, Make o un workflow propio que conecte HRIS + ATS + email + calendario + Slack/Teams.
• LLM con function calling para los agentes (puede ser GPT-4 clase, Claude, Gemini o un open source si los datos son sensibles y vas a self-hostear).
• Vector store para la documentación interna que va a alimentar el copiloto (pgvector encima de tu Postgres ya está bien para empezar; no necesitas Pinecone).
• Capa de logging y auditoría que registre toda interacción donde un humano podría preguntar “¿por qué decidió esto la IA?”.
• Una pasarela de DPA y consentimiento que cumpla con la normativa de tratamiento de datos personales.

Lo importante no es la marca del producto, es que las cinco piezas existan y estén conectadas. Cuando entramos como implantadora de IA, lo primero que hacemos en un proyecto de RRHH es mapear qué piezas ya tienes, cuáles faltan y qué deuda técnica tienes en datos. Sin eso, cualquier piloto se va a romper antes de llegar a producción.

El elefante en la habitación: AI Act, AEPD y comité de empresa

Aquí es donde la mayoría de empresas se atraganta. En 2026, en España, hay tres frentes regulatorios que tocan directamente cualquier proyecto de IA en RRHH:

AI Act (Reglamento Europeo de IA)

Los sistemas de IA usados para selección, evaluación o terminación de empleados están clasificados como alto riesgo. Eso implica obligaciones de documentación, evaluación de impacto, supervisión humana significativa, registro de actividad y transparencia hacia los afectados. No es opcional y no es solo para grandes empresas. Si lo ignoras y un candidato reclama, tienes un problema serio.

AEPD y RGPD

Tratamientos automatizados con efecto jurídico (incluyendo selección) exigen base legal específica, evaluación de impacto en protección de datos (EIPD) y derecho a no ser objeto de decisión automatizada. Si vas a procesar CVs con un LLM externo, además tienes que tener atado el DPA con el proveedor y, si es un modelo americano, considerar las implicaciones de transferencias internacionales.

Comité de empresa y representación legal de trabajadores

La obligación de informar al comité de empresa sobre algoritmos que toman decisiones está vigente desde la ley rider, y se ha ido extendiendo. Implantar IA en selección o evaluación sin haber pasado por aquí es una receta para conflictos laborales.

Esto no es para asustar — es para que entres con los ojos abiertos. Un proyecto de IA en RRHH bien planteado contempla estos tres frentes desde el día uno, igual que contempla la integración técnica con el HRIS.

Cómo medir el ROI real de un proyecto de IA en RRHH

Aquí es donde demasiados proyectos se vienen abajo: empiezan vendiendo “ahorro de tiempo” y nadie es capaz de poner un número creíble seis meses después. Estas son las métricas que de verdad se pueden defender ante un CFO:

• Time-to-fill. Días desde apertura de vacante hasta firma del contrato. Bajadas del 25 %-40 % son realistas en empresas que parten de procesos manuales.
• Coste por contratación. Incluye horas de RRHH, herramientas, agencias y publicaciones. Reducciones del 20 %-30 % son razonables.
• Calidad de la shortlist. % de candidatos pasados al hiring manager que llegan a la última fase. Si la IA hace bien el screening, este número sube.
• % de tickets internos resueltos sin humano. Para el copiloto de empleados, objetivo realista 60 %-75 % en seis meses.
• Tiempo medio de onboarding administrativo. De 5-7 días bajado a 1-2 sin que el nuevo tenga que perseguir a nadie.
• Rotación voluntaria detectada con antelación. % de bajas predichas con al menos 60 días de antelación por el modelo de people analytics.

Lo que no debes medir como ROI: “el equipo de RRHH está más contento” (válido, pero no defendible) o “la IA hizo 1.200 acciones este mes” (vanity metric).

El plan de 90 días que sí funciona

Si te tomas en serio implantar IA en RRHH y quieres evitar el típico piloto eterno que nunca llega a producción, este es el calendario que aplicamos en proyectos de implantación. Es agresivo, pero realista si los datos no están podridos.

• Días 1-15: auditoría. Mapear procesos, datos, sistemas, normativa aplicable y prioridades del negocio. Salida: lista priorizada de casos de uso con estimación de ROI y riesgo.
• Días 16-30: gobernanza y EIPD. Pasar por legal, AEPD, comité de empresa y dirección. Salida: marco aprobado, documentación inicial, plan de comunicación interna.
• Días 31-60: primer piloto. Elegir un caso bajo riesgo y alto volumen (screening + agenda de entrevistas suele ser el primero). Implantar, medir, iterar. Salida: piloto en producción con métricas reales.
• Días 61-90: copiloto interno + segundo piloto. Levantar el HR Help Desk con RAG y arrancar el segundo caso (onboarding administrativo o people analytics). Salida: dos casos en producción y un roadmap de los próximos seis meses.

A los 90 días deberías tener métricas duras que enseñar al comité de dirección. Si no las tienes, algo se hizo mal — y normalmente lo que se hizo mal fue elegir el caso equivocado o no haber preparado los datos antes.

Errores típicos que vemos en proyectos de IA en RRHH

• Empezar por el caso “molón” en lugar del rentable. Todo el mundo quiere video-entrevistas con IA. Casi nadie las necesita.
• Saltarse al comité de empresa. Te ahorras una reunión y te ganas tres meses de conflicto.
• Conectar un LLM público a la base de empleados sin EIPD ni DPA. Pasa más de lo que parece.
• Implantar sin métricas de partida. Sin baseline no puedes demostrar ROI.
• Confundir asistencia con sustitución. La IA en RRHH es copiloto, no piloto. Cuando se cruza la línea, vienen los problemas.
• Olvidar el factor humano. Si el equipo de RRHH ve la IA como una amenaza, el proyecto está muerto. La forma de evitarlo es involucrarles en el diseño desde el día uno.

Resumen ejecutivo

Si te llevas tres ideas de este post, que sean estas. Una, en RRHH la IA debe asistir al humano en lo administrativo y analítico, pero no decidir sobre personas. Dos, el ROI más rápido está en screening, onboarding y un copiloto interno para dudas de empleados — no en lo que se ve en la prensa. Tres, el AI Act, la AEPD y el comité de empresa no son enemigos del proyecto: son requisitos del proyecto. Si los integras desde el día uno, el camino se acorta; si los ignoras, el camino se cae.

En Everglow implantamos IA en RRHH con el mismo enfoque que en cualquier otra área: pocos clientes, alto compromiso, foco en ROI y acompañamiento más allá del piloto. Si tu empresa está en el punto de “ya hemos probado cosas y no sabemos cómo escalarlo” o “queremos arrancar bien para no liarla”, escríbenos por la página de contacto y vemos si tiene sentido trabajar juntos. No vendemos humo y no firmamos lo que no podemos sostener.