Pocas conversaciones generan tanto ruido en los departamentos de personas como la inteligencia artificial. Conferencias, informes, demos de producto, titulares. Todo parece urgente. Todo parece transformador. Y sin embargo, cuando uno se sienta con los equipos de RRHH en el día a día, la realidad es más matizada: hay cosas que funcionan muy bien, y hay cosas que todavía no han pasado de ser una promesa bien presentada.

Separar lo que ya tiene resultados medibles de lo que todavía está en fase de experimento no es un ejercicio académico. Es una decisión práctica. Porque invertir tiempo, dinero y energía organizativa en la herramienta equivocada tiene un coste real que pocas organizaciones pueden permitirse ignorar. Y lo mismo ocurre cuando se elige bien la herramienta pero sin las condiciones necesarias para que funcione.

El punto de partida: ¿dónde estamos realmente?

En 2025, una de cada cinco empresas con al menos diez trabajadores en la Unión Europea ya ha incorporó la IA a su actividad. En España, el porcentaje alcanza el 20,3%, prácticamente en la media de los Veintisiete, según Eurostat. La trayectoria es claramente ascendente: en 2021 el dato europeo era del 7,7%.

Ese crecimiento es real. Pero conviene leerlo con matiz: la cifra oculta una brecha estructural importante. Las grandes empresas con más de 250 empleados alcanzan una adopción del 49,2%, mientras que las pymes de 10 a 49 empleados se sitúan en el 8,7%. La transformación está ocurriendo de forma desigual, y no todas las organizaciones están en el mismo punto de partida.

A esto se suma otro dato relevante: según Boston Consulting Group, solo alrededor del 5% de las compañías a nivel mundial está obteniendo valor significativo de la IA a escala, mientras que un 60% no obtiene valor material pese a invertir en esta tecnología. No es que la IA no funcione. Es que implantarla bien requiere más que comprar una licencia.

Lo que ya funciona: tres casos con resultados reales

Dentro del ámbito de RRHH, hay tres áreas donde la IA lleva ya varios años generando impacto concreto y medible, no solo potencial teórico.

El primero es la selección de personal. En procesos de alto volumen, la implementación de algoritmos de cribado curricular reduce el tiempo de evaluación inicial en un 70%. Los sistemas actuales analizan currículums cruzando competencias con requisitos del puesto, programan entrevistas de forma automática y reducen el tiempo medio de contratación en torno a un 30%, mejorando además la experiencia inicial del candidato. Para equipos que gestionan decenas o cientos de candidaturas por proceso, esto no es un detalle menor: es tiempo de sus profesionales devuelto a tareas de mayor valor.

El segundo es el onboarding. El uso de chatbots y asistentes virtuales en onboarding y atención interna ahorra hasta un 40% del tiempo operativo del equipo de RRHH. Los nuevos empleados reciben itinerarios personalizados según su rol, acceden a respuestas inmediatas a sus dudas y se integran con mayor rapidez. El resultado se traduce también en retención: una mejor experiencia de incorporación reduce la rotación en los primeros meses, que es cuando el riesgo de abandono es más alto.

El tercero es el análisis de clima y engagement. Aquí la IA permite pasar de la encuesta anual, que llega tarde y ofrece una foto estática, a una escucha continua con alertas tempranas. El 74% de las empresas que adoptaron IA en sus procesos de feedback y clima laboral reportaron una mayor percepción de escucha y cercanía por parte de sus equipos. No es solo una cuestión de tecnología: es un cambio en la relación entre la organización y las personas que la forman.

Lo que todavía está en construcción

Dicho esto, hay otras aplicaciones de la IA en RRHH que generan mucha expectativa pero cuyos resultados son todavía inconsistentes o dependen de condiciones que pocas organizaciones tienen resueltas.

La analítica predictiva de rotación es un buen ejemplo. El concepto es poderoso: los modelos procesan variables como el salario, el tiempo sin ascensos o los datos de clima laboral para identificar empleados con mayor probabilidad de abandonar la empresa, lo que permite diseñar planes de retención antes de que se produzca la renuncia. Pero para que esto funcione bien, la organización necesita datos limpios, histórico suficiente y una cultura que actúe sobre los insights. Sin esas condiciones, el modelo predictivo no pasa de un ejercicio interesante.

Algo similar ocurre con la evaluación de desempeño asistida por IA. Las promesas son atractivas: mayor objetividad, menos sesgos, análisis en tiempo real. Pero la implementación en contextos reales es más compleja. Un sistema mal configurado o entrenado con datos poco representativos puede perpetuar los mismos sesgos que pretende eliminar. Sin supervisión humana activa, la herramienta puede dar una falsa sensación de objetividad que resulta más problemática que el proceso anterior.

El verdadero obstáculo: no es la tecnología

Cuando se analiza por qué la adopción de IA en RRHH avanza más despacio de lo previsto en muchas organizaciones, la respuesta raramente tiene que ver con la tecnología en sí. Los datos del INE identifican tres barreras principales: falta de personal cualificado, citada por el 61% de las empresas no adoptantes; infraestructura de datos insuficiente, en el 44%; e incertidumbre sobre el retorno de la inversión, en el 38%.

Dicho de otro modo: el problema no está en que las herramientas no existan o no funcionen. Está en que la mayoría de las organizaciones no tienen todavía los datos bien estructurados, los equipos formados para interpretarlos ni una estrategia clara sobre qué quieren resolver con ellos.

Según Thomson Reuters, las empresas con una estrategia de IA definida tienen el doble de probabilidades de maximizar la productividad por empleado e impactar en su cuenta de resultados. La tecnología funciona cuando hay un problema concreto que resolver, datos suficientes para trabajar y personas capaces de actuar a partir de lo que el sistema les dice.

Por dónde empezar: la lógica del piloto bien elegido

Para los equipos de RRHH que quieren avanzar en este camino sin caer en el ciclo de promesas y frustración, la clave está en la elección del primer caso de uso. No hace falta transformar todo a la vez. Hace falta elegir bien dónde empezar.

Los procesos más adecuados para un primer piloto son aquellos que combinan tres características: volumen suficiente de datos, impacto medible en poco tiempo y bajo riesgo en caso de error. La criba curricular en procesos de alto volumen cumple esos tres criterios. El onboarding también. El análisis de clima, con las reservas adecuadas en cuanto a privacidad y comunicación interna, igualmente.

Lo que conviene evitar son los proyectos de IA que arrancan desde la tecnología hacia el problema, en lugar de desde el problema hacia la tecnología. Cuando una organización implanta una herramienta porque «hay que estar en esto» sin tener claro qué quiere resolver, el resultado habitual es un dashboard bonito que nadie consulta.

El rol de RRHH en la transición

Hay un último punto que merece atención y que a menudo queda fuera de la conversación sobre IA en RRHH: el papel del propio equipo de personas en este proceso.

La adopción de IA no es solo una decisión tecnológica. Es una decisión sobre cómo trabaja el área, qué capacidades necesita desarrollar y cómo se relaciona con el resto de la organización. Actualmente solo el 22% de los empleados utiliza la IA de forma activa, y se concentra especialmente en funciones de apoyo como IT, RRHH o atención al cliente. Los equipos de personas están, en ese sentido, en una posición privilegiada para liderar el cambio desde dentro.

Las organizaciones que están sacando más partido de estas herramientas no son necesariamente las que tienen más presupuesto tecnológico. Son las que han conseguido que sus equipos de RRHH entiendan qué pueden pedirle a la IA, qué no pueden pedirle, y cómo incorporar esa capa de datos a decisiones que siguen siendo, y deben seguir siendo, profundamente humanas.