La gestión de recursos humanos algorítmica como modo de gobernanza algorítmica: transparencia, equidad y agencia humana en el lugar de trabajo digital

Por qué tu próximo jefe podría ser un algoritmo

Muchas experiencias laborales cotidianas —desde cómo nos contratan hasta cómo se determina nuestro salario— están cada vez más modeladas por programas informáticos invisibles. Este artículo explora cómo los algoritmos están transformando discretamente la gestión de recursos humanos (RRHH), convirtiendo rutinas de oficina familiares en procesos basados en datos. Para quien se haya preguntado alguna vez por qué se le negó una promoción, cómo se descartó un currículum o si la vigilancia digital constante es justa, este estudio ofrece una guía panorámica sobre las promesas y los riesgos del lugar de trabajo algorítmico.

Del instinto a las decisiones basadas en datos

Las decisiones tradicionales de RRHH han dependido durante mucho tiempo del criterio de los gestores: leer currículums a mano, fiarse de las impresiones en entrevistas o ponderar informalmente quién merece un aumento. El artículo sostiene que los RRHH algorítmicos sustituyen gran parte de esa intuición por análisis sistemático de datos. En planificación de plantilla, reclutamiento, formación, evaluaciones de desempeño, salario y relaciones laborales, los algoritmos rastrean huellas digitales como registros de rendimiento, historiales de rotación e interacciones en línea. Estos sistemas pueden prever necesidades de personal, emparejar candidatos con vacantes, personalizar la formación y ajustar la remuneración según patrones de rendimiento. Lejos de suponer una ruptura abrupta con el pasado, el autor vislumbra un futuro híbrido en el que el juicio humano y las herramientas automatizadas trabajan juntos, aunque con los algoritmos marcando cada vez más las condiciones de esa colaboración.

Diferentes tipos de decisores digitales

El artículo explica que no todos los algoritmos de RRHH son iguales. Algunos siguen reglas sencillas, como redirigir automáticamente las solicitudes que cumplen criterios mínimos. Otros se apoyan en estadística y aprendizaje automático para detectar patrones y predecir resultados futuros, por ejemplo, qué empleados podrían dimitir o qué candidatos tienen más probabilidades de triunfar. Sistemas más avanzados van más allá de la predicción para recomendar o incluso ejecutar acciones de forma directa, por ejemplo invitando automáticamente a ciertos candidatos a entrevistas o sugiriendo ajustes salariales. Estas capas —análisis descriptivo, predictivo y normativo— desplazan progresivamente los RRHH de describir lo que ocurre a decidir lo que debe ocurrir, elevando la importancia de la transparencia y el control.

Cómo los algoritmos reconfiguran las prácticas cotidianas de RRHH

Al centrarse en las actividades centrales de RRHH, el artículo muestra cómo los algoritmos se entrelazan a lo largo de todo el recorrido del empleado. En la planificación, analizan datos internos y externos para perfilar la plantilla actual y prever la demanda futura, ayudando a las organizaciones a decidir qué competencias reclutar o desarrollar. En la contratación, automatizan el cribado de currículums, programan entrevistas y utilizan pruebas en línea, análisis del habla o evaluaciones tipo juego para inferir personalidad y encaje. En la formación, ayudan a construir bases de conocimiento, detectar brechas de habilidades, recomendar cursos personalizados y seguir resultados de aprendizaje en tiempo real. La gestión del desempeño pasa de evaluaciones ocasionales y subjetivas a mediciones continuas mediante datos conductuales y retroalimentación automatizada. Los sistemas retributivos emplean algoritmos para comparar puestos, calibrar salarios y gestionar la nómina con eficiencia. Las herramientas de relaciones con empleados extraen información de mensajes y redes sociales para detectar insatisfacción, sugerir promociones o predecir quién podría marcharse, posibilitando intervenciones tempranas pero también ampliando la vigilancia hacia espacios digitales más íntimos.

Poder, equidad y el coste humano

Aunque estas herramientas pueden reducir ciertos sesgos, ahorrar tiempo y apoyar decisiones más consistentes, el autor advierte que también introducen riesgos graves. Modelos complejos con frecuencia operan como «cajas negras»: los trabajadores e incluso el personal de RRHH pueden no comprender cómo se toman las decisiones o qué datos son los más importantes. Si los datos históricos reflejan discriminación, los algoritmos pueden reproducirla silenciosamente o incluso amplificar tratamientos injustos por razón de género, edad, raza u otras características. La recopilación constante de datos difumina la línea entre trabajo y vida privada, puesto que los empleadores rastrean emociones, vínculos sociales y conducta en línea. Los empleados pueden sentirse vigilados, ansiosos por las nuevas tecnologías o privados de autonomía cuando horarios, tareas y evaluaciones quedan gobernados por reglas opacas. Estas tensiones generan nuevas formas de resistencia en el trabajo, como ignorar recomendaciones algorítmicas o alimentar intencionadamente a los sistemas con datos engañosos.

Abrir espacio para los humanos en un lugar de trabajo digital

Para que los RRHH algorítmicos sirvan a las personas en lugar de sustituirlas, el artículo reclama salvaguardias más fuertes y supervisión compartida. Las organizaciones deberían tratar los algoritmos como herramientas de apoyo a la decisión, no como autoridades incuestionables, e invertir en modelos de «caja blanca» que puedan explicarse y auditarse. Son necesarios nuevos roles y competencias, desde expertos capaces de verificar sesgos y usos indebidos de datos hasta gestores y empleados que sepan trabajar con sistemas digitales sin perder empatía ni juicio ético. Leyes como el RGPD de la Unión Europea y la PIPL de China ya exigen explicaciones más claras y límites en el uso de datos, pero el artículo sostiene que la verdadera equidad y la agencia humana dependerán de cómo las empresas diseñen, vigilen y compartan el control sobre estas herramientas. En términos sencillos, el estudio concluye que los algoritmos pueden contribuir a que el trabajo sea más inteligente y eficiente, pero solo si permanecemos atentos a quién los programa, qué valores codifican y cuánto poder de decisión tienen los trabajadores en el proceso.

Cita: Chen, Z. Algorithmic human resource management as a mode of algorithmic governance: transparency, fairness, and human agency in the digital workplace. Humanit Soc Sci Commun 13, 594 (2026). https://doi.org/10.1057/s41599-026-06989-4

Palabras clave: RRHH algorítmico, lugar de trabajo digital, IA en la contratación, equidad en el trabajo, autonomía de los empleados