IA aplicada a la evaluación de desempeño

Módulo 1: Introducción a la inteligencia artificial en RRHH
2 h 55 min

Objetivo: Identificar herramientas de Inteligencia Artificial utilizadas en Recursos Humanos.

• La Inteligencia Artificial en Recursos Humanos: fundamentos conceptuales y evolución aplicada
• Evolución histórica de la IA aplicada a RRHH (4 eras)
• Tipos de Inteligencia Artificial y su relevancia en entornos organizacionales
• Datos, información y conocimiento: la materia prima de la IA en la evaluación del desempeño
• Criterio práctico para diferenciar dato e información en RRHH con IA
• Sesgos, objetividad y límites del análisis algorítmico en RRHH
• Sesgos típicos en la evaluación aumentada por IA
• El rol del profesional de Recursos Humanos en entornos aumentados por IA
• Del profesional de talento al talento con IA: de rol, capacidades y responsabilidades
• Retos éticos
• Hacia una adopción consciente y sostenible de la IA en RRHH
• Resumen

Módulo 2: Herramientas y tecnologías de IA para evaluación de desempeño
2 h 15 min

Objetivo: Implementar herramientas de Inteligencia Artificial en estructuras de evaluación de desempeño.

• Tipologías de herramientas de IA aplicadas a la evaluación
• Plataformas y funcionalidades clave
• Funcionalidades en las evaluaciones períodicas
• Criterios para seleccionar tecnología adecuada
• Riesgos habituales al adoptar herramientas de IA
• Resumen

Módulo 3: IA en el análisis de datos de evaluación de desempeño
3 h 30 min

Objetivo: Implementar herramientas de Inteligencia Artificial en el análisis de datos de evaluación de desempeño.

• El valor estratégico de los datos de desempeño
• Los 5 datos de desempeño más utilizados: descripción y utilidad
• Analítica descriptiva, predictiva y prescriptiva
• Criterios para decidir cuándo usar analítica descriptiva, predictiva o prescriptiva
• Guía de decisión rápida según el momento del ciclo de desempeño
• Condiciones mínimas para elegir con seguridad
• Errores frecuentes al seleccionar el tipo de analítica (y cómo evitarlos)
• Procesamiento de feedback cualitativo
• Ejemplo de feedback cualitativo aplicado
• Entrada: conjunto breve de comentarios cualitativos
• Procesamiento con IA: flujo recomendado
• Salida ejemplo: síntesis estructurada para evaluación
• Fortalezas observables
• Oportunidades de mejora priorizadas
• Riesgos operativos asociados
• Acciones sugeridas en formato plan
• Plantilla de solicitud a IA para procesar feedback cualitativo
• Controles de calidad recomendados para RRHH
• Indicadores inteligentes para la mejora continua
• Los principales indicadores inteligentes
• Resumen

Módulo 4: Integración de IA en la toma de decisiones de RRHH
4 h 05 min

Objetivo: Identificar herramientas de Inteligencia Artificial utilizadas en los procesos de evaluación de desempeño en RRHH.

• Decidir mejor con apoyo algorítmico
• Ejemplo práctico de decisiones apoyadas en algoritmos (sin automatizar la decisión final)
• Casos de uso en promoción y talento interno
• Ejemplos prácticos (esquema jerárquico)
• Límites éticos en decisiones sensibles
• ¿Cómo implementar supervisión humana significativa?
• Ejemplos aplicados (decisiones sensibles)
• Capacitar a quienes supervisan: competencias mínimas para decidir con apoyo de IA
• Competencias operativas mínimas
• Indicadores internos de que la supervisión es real (señales de efectividad)
• Modelo híbrido de decisión humana + IA
• ¿Cómo crear un modelo híbrido de decisión humana + IA?
• 1. Definir el perímetro de decisión (qué se decide y qué no)
• 2. Diseñar el reparto de responsabilidades (quién hace qué)
• 3. Convertir criterios de desempeño en reglas operativas para IA
• 4. Definir el tipo de salida de la IA (y su formato de uso)
• 5. Diseñar el flujo híbrido de decisión (paso a paso)
• Resumen

Módulo 5: Implementación de un sistema completo de evaluación con IA
3 h 55 min

Objetivo: Implementar un sistema de evaluación de desempeño utilizando herramientas de inteligencia artificial.

• Diagnóstico inicial y objetivos del sistema
• Definirlos paso a paso
• Diseño del modelo de evaluación
• Ejemplo práctico de diseño del modelo de evaluación (con apoyo de IA)
• Contexto organizativo del ejemplo
• Piloto, aprendizaje y escalado
• Puesta en marcha del piloto
• 1. Finalidad y alcance de la puesta en marcha
• 2. Preparación inmediata antes del inicio
• 3. Activación del piloto (arranque controlado)
• 4. Ejecución del ciclo de piloto
• 5. Seguimiento en tiempo real (control del piloto)
• 6. Trazabilidad y evidencias del piloto
• Seguimiento y mejora continua
• Mejora continua como sistema clave
• 1) Diseño operativo de la mejora continua
• 2) Qué se monitoriza: indicadores mínimos para mejorar con evidencia
• 3) Mecanismos de mejora: cómo se aprende del uso real
• 4) Control de cambios y trazabilidad: mejorar sin perder confianza
• 5) Sostenibilidad del sistema: evitar la degradación progresiva
• 6) Recomendación práctica: convertir la mejora continua en rutina de gestión
• Resumen

Módulo 6: IA y el futuro del trabajo
3 h 50 min

Objetivo: Identificar las herramientas de inteligencia artificial más utilizadas en la evaluación de desempeño.

• Nuevas competencias profesionales en la era de la IA
• Las cinco competencias básicas
• Del control tradicional al desarrollo continuo
• Paso a paso del cambio: del control tradicional al desarrollo continuo
• Nuevos modelos organizativos y colaboración humano-máquina
• Ejemplos aplicados de nuevos modelos
• Roles emergentes que habilitan estos modelos (sin crear burocracia)
• Condiciones de diseño para que la colaboración humano-máquina funcione en desempeño
• Riesgos laborales y oportunidades estratégicas
• Enumeración de los riesgos
• 1. Transformación del empleo y del contenido del trabajo
• 2. Desigualdad y segmentación en el acceso a oportunidades
• 3. Calidad del trabajo, intensificación y riesgos psicosociales
• 4. Gestión algorítmica del trabajo y pérdida de autonomía operativa
• 5. Riesgos de privacidad, monitorización y confianza interna
• 6. Riesgos de competencias: descualificación y pérdida de criterio profesional
• 7. Riesgos operativos y de continuidad del trabajo
• 8. Riesgos de gobernanza organizativa y reputación interna
• 9. Riesgos legales y de cumplimiento vinculados al trabajo con IA (visión operativa)
• Resumen

Módulo 7: Supervisión y auditoría de sistemas de IA
4 h 20 min

Objetivo: Identificar herramientas de inteligencia artificial utilizadas en la evaluación de desempeño.

• La necesidad de supervisar sistemas inteligentes
• Cómo creamos esos sistemas inteligentes
• Sesgos algorítmicos y riesgos invisibles
• Clasificación de sesgos algorítmicos
• 1) Sesgos por fase del ciclo de vida del sistema
• 2) Sesgos por mecanismo causal (cómo se produce la distorsión)
• 3) Sesgos por impacto observable (dónde se detecta en resultados)
• Relación entre sesgos y riesgos invisibles (para orientar la auditoría)
• Salida esperable de esta clasificación en un proceso de auditoría
• Indicadores y métricas de auditoría
• Los cinco indicadores claves
• Cómo implantar los indicadores sin sobrecargar la operación
• Modelo de gobernanza y mejora continua
• Ejemplo práctico: creación de un modelo de gobernanza para un sistema de IA que apoya la evaluación de desempeño
• Resumen

Módulo 8: Estrategias para la adopción de IA en la cultura organizacional
5 h 10 min

Objetivo: Describir estrategias para la integración de la inteligencia artificial en la cultura organizacional.

• La adopción de IA es un cambio cultural
• Cómo generar ese cambio cultural
• Liderazgo y patrocinio del cambio
• Ejemplo práctico: guía de preguntas del liderazgo antes de patrocinar la adopción de IA en evaluación de desempeño
• Formación, comunicación y reducción de resistencias
• Cómo armar un plan de comunicación y formación
• 1) Delimitar propósito, alcance y reglas de uso (antes de comunicar)
• 2) Segmentar audiencias y diseñar rutas diferenciadas
• 3) Diseñar la arquitectura de mensajes (consistencia y credibilidad)
• 4) Planificar la comunicación por fases (antes, durante y después)
• 5) Diseñar el plan de formación: capacidades mínimas por rol
• 6) Integrar comunicación y formación en el flujo real de trabajo
• 6.1. Puntos de inserción habituales
• 7) Preparar un kit de comunicación para liderazgo y mandos
• 7.1. Componentes mínimos del kit
• 8) Gestionar resistencias: tipologías y respuestas útiles
• 9) Activar red de apoyo: referentes, acompañamiento y soporte
• 10) Medir adopción del plan (no solo de la herramienta)
• Consolidar una cultura de aprendizaje e innovación responsable
• Rituales de consolidación cultural
• Principios de diseño de rituales (para que sean sostenibles)
• Rituales operativos clave en evaluación de desempeño con IA
• Cadencias recomendadas y carga mínima
• Roles y responsabilidades en los rituales
• Artefactos culturales: evidencias, plantillas y acuerdos
• Rituales de refuerzo: reconocimiento, coherencia y señales visibles
• Resumen