En este artículo+
La barrera técnica bajó. Lo que antes necesitaba un equipo de desarrollo hoy puede empezar con una idea bien planteada y unas horas de trabajo. Esta misma página la hice así. Hay algo, eso sí, que ninguna herramienta resuelve por ti: saber qué problema vale la pena resolver.
Lo que cambió
Hace pocos años, si en Gestión Humana querías un formulario de requisición de personal que llegara directo al gerente para aprobación, tenías que someter la solicitud a Tecnología y esperar tu turno. Lo mismo con un tablero de rotación, un portal de vacantes, un recordatorio de evaluaciones o un asistente que respondiera las preguntas de siempre sobre el volante de pago. Hoy hay herramientas sin código y con IA que permiten armar un prototipo de cualquiera de esas cosas en unas horas, describiendo lo que quieres en lenguaje normal.
Es una buena noticia para el área. Ahora quien conoce el proceso desde dentro puede probar una idea sin depender de que alguien más la entienda primero. Puedes ver si tu checklist de nuevo ingreso funciona como formulario antes de pedir presupuesto para un sistema, o enseñarle a tu gerente un tablero con datos de prueba en vez de describirlo en una reunión.
Lo que no cambió es la parte difícil. La herramienta construye lo que le pides con la misma rapidez, esté bien pensado o no, y decidir qué pedirle sigue siendo trabajo tuyo.
Automatizar no arregla un mal criterio
En Gestión Humana se ve mucho. Podemos automatizar un flujo de selección completo y seguir seleccionando mal, si nunca revisamos los criterios con los que decidimos.
Piensa en un filtro automático que descarta candidatos por años de experiencia o por palabras exactas en el CV. Si el criterio original era débil, el sistema lo aplica a quinientas postulaciones sin cansarse y sin que nadie lo cuestione. Antes, por lo menos, la persona que revisaba los CV a mano podía detenerse en uno raro y decir "a este hay que llamarlo".
Ese caso se cita mucho por el sesgo, y con razón. Lo que me parece más útil para Gestión Humana es otra parte de la historia: la herramienta no inventó nada. Aprendió de los patrones de los currículums que la empresa había recibido durante una década, que venían sobre todo de hombres, y los repitió a escala.
La tecnología amplifica lo que ya existe. Un proceso claro se vuelve más rápido; uno confuso se vuelve confuso para más gente a la vez.
Michael Hammer escribió algo parecido en 1990, mucho antes de la IA generativa, en un artículo de Harvard Business Review titulado "Reengineering Work: Don't Automate, Obliterate". Su crítica era que las empresas usaban la tecnología para mecanizar formas viejas de trabajar y que solo las hacían más rápidas. Él hablaba de dejar de asfaltar los caminos de las vacas. Treinta y tantos años después, con herramientas mucho más potentes, el riesgo sigue siendo el mismo.
Un ejemplo sencillo. Si en tu proceso de nuevo ingreso tres personas distintas le piden los mismos documentos al colaborador, automatizarlo tal como está produce tres correos automáticos en lugar de tres llamadas, que llegan más rápido y siguen siendo igual de confusos para quien acaba de llegar.
Lo que el criterio decide
Por eso me parece que el valor de un profesional del área se está moviendo hacia el criterio: qué decide medir y qué prefiere no automatizar todavía.
El Future of Jobs Report 2025 del Foro Económico Mundial apunta en esa dirección. El pensamiento analítico sigue siendo la habilidad central que más buscan los empleadores, y siete de cada diez empresas la consideran esencial. Al mismo tiempo, IA y big data encabezan la lista de habilidades que más rápido crecen, con la alfabetización tecnológica cerca. Leo esos dos datos juntos: no alcanza con saber usar la herramienta si no sabes decidir para qué.
Hay decisiones que, además, tienen un peso distinto. La Ley de IA de la Unión Europea clasifica como de alto riesgo, en su Anexo III, los sistemas de IA destinados al reclutamiento y la selección de personas, y también los que se usan para gestionar relaciones laborales. Esa ley no rige directamente en República Dominicana, pero deja claro dónde ve el riesgo quien regula: en las decisiones que afectan el acceso a un empleo y las condiciones de quien ya trabaja.
Se puede usar IA en selección. Lo que cambia es el nivel de exigencia, porque en esas decisiones importa mucho más saber con qué datos aprendió la herramienta y quién responde por el resultado.
Antes de construir, unas preguntas
Si estás pensando en automatizar algo en tu área, con o sin código, estas preguntas ayudan a no repetir el error del filtro que nadie revisa:
- ¿Qué problema concreto resuelve y para quién? Si no puedes explicarlo en una frase a un supervisor, todavía no está listo.
- ¿El proceso funciona bien hecho a mano? Si no, conviene arreglarlo antes de acelerarlo.
- ¿Toca una decisión sobre personas? Si afecta a quién se contrata, cómo se evalúa a alguien, a quién se promueve o quién sale, necesita revisión humana y una persona que responda por ella.
- ¿Qué datos usa y quién los va a ver? Los expedientes, la nómina, las evaluaciones y las licencias médicas son datos personales, y en República Dominicana la Ley 172-13 protege su tratamiento.
- ¿Cómo vas a saber si funcionó? Define el indicador antes de empezar: time to hire, horas que ahorra el equipo, errores en la nómina, quejas de los nuevos ingresos.
- ¿Quién lo mantiene cuando cambie algo? Una automatización que nadie entiende se convierte en otro problema el día que falla.
Para empezar, lo más sensato es elegir algo pequeño que conozcas de memoria: el seguimiento de documentos del expediente, el recordatorio de fin del período de prueba, la solicitud de vacaciones o el formulario de requisición de personal. Como sabes exactamente cómo debería funcionar, te vas a dar cuenta rápido de si la herramienta lo mejoró o solo lo hizo más rápido.
Fuentes
- Dastin, J. (2018, 10 de octubre). Amazon scraps secret AI recruiting tool that showed bias against women. Reuters, republicado por Euronews.
- Hammer, M. (1990). Reengineering Work: Don't Automate, Obliterate. Harvard Business Review, julio-agosto 1990.
- Foro Económico Mundial (2025). The Future of Jobs Report 2025, capítulo 3: Skills outlook.
- Unión Europea. Reglamento de Inteligencia Artificial (AI Act), Anexo III. AI Act Service Desk, Comisión Europea.
- República Dominicana (2013). Ley No. 172-13 sobre protección de datos personales.
Por Kimberly Mariel Contreras Liriano
Recibe las notas nuevas en tu correo
Cuando publique algo nuevo sobre Gestión Humana, IA o neurodivergencia, te llega un aviso. Nada más.
Tu correo solo se usa para avisarte de notas nuevas. Si quieres salir de la lista, escríbeme y te quito.