Formación en IA para managers: 1:1, evaluaciones y decisiones

31 de mayo de 2026
Por Jürgen Ulbrich

La formación en IA para managers enseña a los líderes a usar la IA de forma segura en 1:1, evaluaciones de desempeño, decisiones sobre personas y comunicación del cambio. A diferencia de la capacitación general de empleados, se centra en la responsabilidad: la IA redacta, el manager decide. En DACH, la codeterminación del comité de empresa, el RGPD y la Ley de IA de la UE añaden una capa legal.

La urgencia está bien documentada. En una encuesta de ResumeBuilder a 1.342 managers de EE. UU. (junio de 2025), el 65 % de los managers usa IA en el trabajo y el 94 % de ellos la utiliza para tomar decisiones sobre las personas a su cargo. Aun así, solo el 32 % de esos managers ha recibido alguna vez formación formal sobre el uso ético de la IA.

Esa brecha es arriesgada. Los managers usan la IA para fundamentar decisiones sobre personas, redactar evaluaciones y comunicar cambios, mientras que empleados y comités de empresa esperan transparencia, equidad y una persona que supervise el proceso. Bien hecha, la IA te ayuda a llevar mejores 1:1, escribir un feedback más claro y basar las decisiones en datos en lugar de en la intuición. Mal hecha, puede dañar la confianza, infringir el RGPD y provocar resistencia.

En esta guía práctica podrás:

  • Ver por qué la formación en IA para managers debe diferenciarse de los cursos genéricos para empleados.
  • Conocer las competencias básicas de IA que necesitan los managers para 1:1, feedback, evaluaciones de desempeño y planes de desarrollo.
  • Obtener un programa de formación modular con ejercicios concretos y prompts que puedes usar mañana mismo.
  • Explorar ejemplos reales de antes y después de feedback, resúmenes de evaluación y casos de promoción asistidos por IA.
  • Entender la gobernanza y los requisitos específicos de DACH, incluida la participación del comité de empresa, el RGPD y la Ley de IA de la UE.
  • Aprender a decirle a tu equipo con transparencia que usas IA.

Vamos a una guía práctica que prepara a ti y a tu equipo directivo para la próxima etapa de la gestión de personas.

1. Por qué los managers necesitan un itinerario de formación en IA distinto

Los managers no usan la IA solo para escribir correos más rápido. La usan para influir en carreras profesionales, en la moral del equipo y en decisiones estratégicas. Por eso la formación en IA para managers necesita un itinerario propio, no una sesión genérica de sensibilización.

Los números muestran el desequilibrio con claridad. Del 94 % de managers que usan IA y la aplican a decisiones sobre personas, el mismo estudio de ResumeBuilder (junio de 2025, n=1.342) indica que la utilizan para subidas salariales (78 %), promociones (77 %), despidos (66 %) y recortes de plantilla (64 %). Lo más preocupante: el 21 % deja que la IA decida sin intervención humana al menos algunas veces. En DACH, esa práctica no es defendible legalmente (véase la sección 5).

Esa combinación genera presión: se espera que los managers usen más la IA, pero sin pautas claras sobre cómo hacerlo en situaciones sensibles para las personas.

Pensemos en una tecnológica alemana de tamaño medio. Los managers empezaron a usar en silencio herramientas públicas de IA para preparar casos de promoción y comentarios de evaluación. Algunos pegaron borradores de evaluación casi completos en la IA, con nombres y calificaciones de desempeño. Los empleados se enteraron y empezaron a preguntar: “¿Ha escrito un bot mi evaluación?”. Solo cuando RR. HH. organizó talleres para managers sobre protección de datos, tono y límites, cesaron las quejas y se recuperó la confianza.

¿Por qué importa tanto una formación específica en IA para líderes?

  • Alcance centrado en las personas: los managers usan la IA para plantear el feedback, resumir datos de 360° y planificar carreras, no solo para estructurar planes de proyecto.
  • Impacto en las decisiones: la IA puede influir en promociones, calificaciones y salarios. Son decisiones de alto riesgo y muy reguladas en DACH.
  • Confianza y comunicación: los empleados juzgan si el uso de la IA resulta respetuoso y transparente. Una mala comunicación puede “desgarrar las empresas” durante la implantación de la IA, como describe ITPro sobre el resentimiento de la plantilla.
  • Responsabilidad legal: los managers siguen siendo responsables de las decisiones sesgadas o ilícitas, con independencia de la herramienta que haya redactado el texto.
  • Ejemplo a seguir: la forma en que los managers usan la IA marca la cultura de sus equipos. Si la usan sin cuidado, los demás los imitarán.
RolUso principal de la IAReto específico
Colaborador individualAutomatización de tareas, investigación, redacciónEficiencia y calidad del propio trabajo
Personal de RR. HH.Procesamiento de datos, redacción de políticas, analíticaCumplimiento normativo, coherencia de procesos
ManagerApoyo a la decisión, coaching, comunicaciónEmpatía, responsabilidad, confianza del equipo

Una buena formación en IA para líderes debe cubrir, por tanto, tanto las competencias técnicas como las cuestiones de liderazgo: ¿cuándo es aceptable usar IA en una evaluación? ¿Qué debes contarle a tu equipo? ¿Cómo cumples la normativa y sigues aprovechando el ahorro de tiempo? Si además quieres capacitar al resto de la plantilla, es otro itinerario. Nuestra guía sobre formación en IA para empleados explica cómo hacerlo sin abrumar a nadie. Este artículo se centra en la perspectiva del liderazgo.

A continuación, veamos las capacidades concretas de IA que debería desarrollar todo manager actual.

2. Capacidades clave: las competencias de IA que todo manager necesita

Los buenos líderes no necesitan convertirse en ingenieros de IA. Necesitan un conjunto reducido de competencias de IA ligadas a las tareas diarias de gestión: 1:1, feedback, desempeño, desarrollo y comunicación del cambio.

Los pilotos prácticos muestran lo que es posible: en una scale-up de DACH, los managers que usaron prompts estructurados para preparar las evaluaciones redujeron el tiempo de preparación en torno a un 60 %, y los empleados valoraron la calidad del feedback como más coherente y concreta en las encuestas de compromiso. Esto concuerda con los datos del sector: un análisis de goWindmill concluye que una sola evaluación requiere de 3 a 6 horas para recopilar datos y redactar el feedback, y que el 49 % de los managers tiene dificultades para revisar un año de feedback. Es justo el trabajo de base que la IA elimina.

Al mismo tiempo, solo alrededor del 10 % de los responsables de RR. HH. y de L&D confía en que sus equipos tengan las competencias de IA adecuadas, según informa ITPro sobre la brecha de competencias. Ahí es donde una formación en IA dirigida a managers puede tener un impacto desproporcionado.

Las competencias de IA clave para managers incluyen:

  • Preparación de 1:1 con IA: convierte notas dispersas en agendas y puntos de conversación estructurados, para que los 1:1 se centren en lo importante y no en la improvisación.
  • Síntesis de feedback: agrupa las aportaciones de compañeros, clientes y autoevaluaciones en temas claros antes de las evaluaciones o de las sesiones de calibración.
  • Redacción y reescritura de comentarios de desempeño: usa la IA para convertir viñetas en párrafos justos y equilibrados y para suavizar formulaciones demasiado bruscas sin perder claridad.
  • Planificación de carrera y desarrollo: combina datos de skills y aspiraciones para redactar planes de desarrollo personalizados.
  • Comunicación de cambios y de equipo: redacta anuncios, preguntas frecuentes y novedades del equipo con un lenguaje claro y empático, adaptado a cada audiencia.
  • Uso ético de la IA y evaluación crítica: saber qué datos están vetados, cómo detectar resultados sesgados o erróneos y cómo mantener la voz humana.

Un ejemplo es el de una manager de una industria manufacturera de DACH. Con un Copilot interno integrado en su sistema de talento, selecciona a un empleado, incorpora sus skills y objetivos y escribe: “Propón un plan de desarrollo a 6 meses para este empleado, centrado en habilidades de liderazgo y proyectos transversales”. Revisa las sugerencias, elimina lo genérico y alinea el plan con la oferta formativa interna. La IA hace el trabajo de base; ella conserva la responsabilidad.

Área de competenciaPrompt de ejemploResultado
Síntesis de feedback“Resume estos comentarios de 360° en 3 puntos fuertes y 2 áreas de mejora para este empleado.”Aportación equilibrada a la evaluación
Reescritura de feedback“Reformula este feedback como un mensaje constructivo y concreto: [texto].”Redacción empática y clara
Comunicación del cambio“Redacta un correo que explique una reorganización del equipo, centrado en los motivos, los beneficios y el apoyo ofrecido.”Anuncio transparente y estructurado

El objetivo de la formación en IA para managers no es inundarlos de herramientas. Es afianzar un número reducido de capacidades de alto impacto y convertirlas en parte de las rutinas normales de liderazgo.

¿Cómo se enseñan estas competencias de forma estructurada? Con un programa de formación modular.

3. Cómo crear tu programa de formación en IA para managers

Las sesiones genéricas de “sensibilización sobre IA” no bastan. Los managers necesitan una formación en liderazgo con IA basada en escenarios que refleje sus conversaciones y decisiones reales.

Solo alrededor de un tercio de las empresas exige hoy algún tipo de formación formal en IA, y muchas carecen de políticas de uso claras, según informa TechRadar sobre la brecha de políticas. Sin embargo, las organizaciones que realizan talleres prácticos con escenarios reales de liderazgo logran una adopción mucho mayor y un uso más seguro.

Este es un programa práctico de 5 módulos que puedes adaptar a tu contexto. Para saber cómo integrar un programa así en tu arquitectura de L&D más amplia, consulta nuestra guía para diseñar programas de formación en IA para empresas.

Módulo 1: Fundamentos y límites

Objetivos de aprendizaje:

  • Entender qué puede y qué no puede hacer la IA generativa.
  • Conocer la política de IA de tu empresa, los fundamentos del RGPD y las normas específicas de DACH.
  • Reconocer qué datos no debes pegar nunca en herramientas públicas.
  • Comprender el principio de “human in the loop” (supervisión humana) en las decisiones sobre empleados.

Ejercicios y prompts de ejemplo:

  • Entradas seguras frente a inseguras: presenta textos breves (feedback anónimo, lista de salarios, nota médica). Pide a los managers que marquen cada uno como “Apto para IA” o “No apto” y después comentadlo.
  • Cuestionario de escenario de política: muestra un caso en el que un manager pega un expediente de desempeño completo en una herramienta pública. Pregunta: ¿qué principios del RGPD se vulneran? ¿Qué debería haber pasado en su lugar? (Contexto sobre los riesgos legales: TechRadar sobre los riesgos del RGPD en el trabajo.)
  • Buenas prácticas de prompting: pide a la IA: “Enumera 10 buenas prácticas para usar IA generativa en la comunicación de RR. HH.”. Compara el resultado con tu política y edítalo.

Módulo 2: IA para 1:1 y coaching

Objetivos de aprendizaje:

  • Usar la IA para preparar mejores agendas y notas de 1:1.
  • Generar preguntas de coaching adaptadas a situaciones concretas.
  • Recoger con claridad las decisiones y los seguimientos tras las reuniones.

Ejercicios y prompts de ejemplo:

  • Redacción de agendas: da a los managers viñetas sobre la semana de un empleado. Prompt: “Crea una agenda de 1:1 de 30 minutos con este empleado que cubra logros, obstáculos y desarrollo profesional”. Compara el resultado con tus plantillas de agenda de reuniones 1:1 actuales.
  • Notas de seguimiento: aporta notas en bruto de un 1:1 simulado. Prompt: “Resume este 1:1 en 3 puntos clave y una lista de acciones con responsables y fechas”.
  • Preguntas de coaching: escenario: un empleado parece desmotivado. Prompt: “Sugiere 5 preguntas abiertas que pueda hacer en un 1:1 para entender qué hay detrás de su desmotivación”.

Módulo 3: IA para desempeño y feedback

Objetivos de aprendizaje:

  • Agrupar el feedback cualitativo en resúmenes de evaluación claros.
  • Redactar comentarios de evaluación concretos y justos.
  • Usar la IA para reescribir un feedback brusco con un lenguaje constructivo.

Ejercicios y prompts de ejemplo:

  • Agrupación por temas: aporta 10 comentarios anonimizados de compañeros. Prompt: “Agrupa estos comentarios en 3-4 temas clave y ponle a cada uno un título corto”. Usa el resultado para estructurar una evaluación.
  • Redacción de puntos fuertes y áreas de mejora: aporta viñetas. Prompt: “Escribe un párrafo de evaluación de desempeño para este empleado que destaque sus puntos fuertes y 1 área de desarrollo, en un tono profesional pero de apoyo”. Compáralo con tus plantillas de evaluación de desempeño.
  • Reescritura de feedback duro: toma una frase como “Eres desordenado y lento”. Prompt: “Reescribe este feedback para que siga siendo honesto, pero constructivo, concreto y respetuoso”. Comentad qué versión diríais realmente.
  • Revisión de sesgos: muestra un comentario redactado por IA. Prompt: “Señala las palabras o frases de este texto que puedan indicar sesgo por edad, género u origen”.

Módulo 4: IA para comunicación de equipo y cambio

Objetivos de aprendizaje:

  • Redactar novedades de equipo y anuncios de cambio claros.
  • Adaptar el tono y la extensión al correo, al chat o a las reuniones generales.
  • Usar la IA para preparar preguntas frecuentes y puntos de conversación.

Ejercicios y prompts de ejemplo:

  • Correo de cambio: escenario: una nueva política de trabajo híbrido. Prompt: “Escribe un correo a mi equipo que explique una nueva política de trabajo híbrido (3 días en la oficina), con los motivos, las expectativas y el apoyo. Mantén un tono transparente y empático”.
  • Creación de preguntas frecuentes: con los datos clave de una pequeña reorganización, prompt: “Crea unas preguntas frecuentes con 8 preguntas y respuestas habituales de los empleados sobre este cambio”.
  • Adaptación a varios canales: toma una novedad larga. Prompt: “Convierte este correo en un mensaje breve de Slack con los 3 puntos más importantes”.

Módulo 5: IA para decisiones y liderazgo ético

Objetivos de aprendizaje:

  • Usar la IA como apoyo a la decisión en promociones, movimientos de talento y planificación del desarrollo.
  • Mantener el criterio y el contexto humanos en el centro.
  • Dar ejemplo de un uso responsable de la IA ante tu equipo.

Ejercicios y prompts de ejemplo:

  • Caso de promoción: aporta datos anonimizados sobre proyectos, feedback y resultados. Prompt: “Redacta un caso breve de promoción para este empleado que describa su impacto, sus comportamientos de liderazgo y su potencial futuro”. Los managers critican y mejoran el borrador.
  • Opciones de desarrollo: aporta un perfil de skills. Prompt: “Sugiere 3 acciones de desarrollo concretas para que este empleado avance hacia un puesto de especialista sénior en 12 meses”. Compara las sugerencias con tu marco de gestión de skills.
  • Escenario ético: presenta un caso en el que la IA sugiere despedir a alguien tras malinterpretar el contexto. Comenta cómo deben responder los managers, implicar a RR. HH. y comprobar los datos.
MóduloObjetivo de aprendizaje principalEjercicio de ejemplo
1. Fundamentos y límitesUso de la IA seguro y conforme a la normativaCuestionario de entradas seguras e inseguras
2. 1:1 y coachingMejores agendas y notasRedactar una agenda de 1:1 a partir de viñetas
3. Desempeño y feedbackEvaluaciones más sólidas, comentarios más justosReescribir un feedback duro de forma constructiva
4. Comunicación de equipo y cambioMensajes claros y empáticosRedactar un anuncio de cambio y sus preguntas frecuentes
5. Decisiones y éticaDecisiones con intervención humanaEjercicio de redacción de un caso de promoción

Cuando los managers experimentan estos módulos con datos reales (o anonimizados), la IA deja de ser algo abstracto. Se convierte en un aliado concreto para las tareas cotidianas de liderazgo.

Hagámoslo aún más tangible con ejemplos de antes y después.

4. Ejemplos prácticos: antes y después de la gestión asistida por IA

Ver la diferencia entre el trabajo manual y el asistido por IA suele ser lo que convence a los managers escépticos de implicarse en la formación en IA.

Ejemplo 1: reescribir un feedback duro

Antes (manual): “Tu informe fue descuidado y llegó tarde. Esto es inaceptable”.

Con ayuda de la IA:

  1. El manager escribe en privado la versión brusca.
  2. Prompt: “Reescribe este feedback para que sea claro y honesto, pero también constructivo y respetuoso: [texto]”.
  3. La IA sugiere: “Gracias por preparar el informe. He notado que había algunos errores y que se entregó después del plazo. Hablemos de cómo podemos mejorar el proceso de revisión y la planificación del tiempo para que la próxima vez lo entregues con más fluidez”.
  4. El manager adapta la redacción a su estilo personal y al contexto.

Impacto: el mensaje sigue siendo claro, pero es mucho más probable que conduzca a una mejora y no a una actitud defensiva.

Ejemplo 2: estructurar resúmenes de evaluación

Antes: un manager recorre 10 páginas de notas y comentarios de 360°, sin saber bien qué es lo realmente importante. Escribir el apartado de “resumen general” de una evaluación le lleva 45 minutos.

Con ayuda de la IA:

  1. El manager recopila las viñetas clave sobre resultados, comportamientos y feedback.
  2. Prompt: “Resume estas notas en un resumen de evaluación de desempeño para este empleado. Incluye: 3-4 puntos fuertes con ejemplos, 1-2 áreas de desarrollo y una valoración global en 2-3 frases. Mantén un tono objetivo y de apoyo”.
  3. La IA devuelve un borrador estructurado que el manager puede editar.

Los pilotos han mostrado reducciones del tiempo de preparación de en torno al 60 % en este tipo de redacción de evaluaciones al usar prompts como estos, sin bajar la calidad.

Ejemplo 3: preparar casos de promoción

Antes: un manager dedica horas a recopilar correos, KPI y elogios de compañeros, y después escribe la justificación de la promoción desde cero.

Con ayuda de la IA:

  1. El manager reúne los datos clave: proyectos principales, métricas, citas de feedback, comportamientos vinculados al perfil del puesto.
  2. Prompt: “Con estos datos, redacta un caso de promoción para que este empleado pase a un puesto Senior. Destaca el impacto, los comportamientos de liderazgo y la preparación para una mayor responsabilidad”.
  3. La IA crea un esquema y un párrafo narrativo.
  4. El manager lo perfila, comprueba que se ajusta a los criterios internos y revisa posibles sesgos.

Resultado: el manager se centra en el criterio (“¿Es este caso lo bastante sólido?”) y no en el formato ni en la redacción.

Ejemplo 4: analizar los comentarios de una encuesta

Antes: tras una encuesta de compromiso, un manager recibe 50 comentarios anonimizados de texto libre. Los lee línea por línea, pero le cuesta ver patrones.

Con ayuda de la IA:

  1. El manager reúne los comentarios anónimos en un solo documento.
  2. Prompt: “Identifica los temas principales (3-5) de estos comentarios anónimos. Para cada tema, da una breve descripción y 2-3 citas de ejemplo”.
  3. La IA agrupa temas como “reconocimiento”, “carga de trabajo” y “comunicación”, con citas ilustrativas.
  4. El manager lo usa para diseñar acciones concretas y temas de debate para la próxima reunión de equipo.
TareaEnfoque tradicionalCon ayuda de la IA
Redacción de feedback duroReescritura manual, con riesgo de tono brusco o vagoReformulación constructiva mediante prompt y edición humana posterior
Resumen de evaluaciónLectura y estructuración manual de las notasResumen mediante prompt a partir de viñetas y extractos
Caso de promociónRecopilación manual y redacción narrativaEsquema y borrador mediante prompt, revisados por el manager
Análisis de encuestasLectura y etiquetado manualesAgrupación de temas y ejemplos con IA para planificar acciones

En todos estos ejemplos se aplica una regla clave: la IA redacta, el manager decide. La IA aporta estructura y rapidez; los managers aportan contexto, matices y responsabilidad.

Para que todo sea seguro y genere confianza, hacen falta una gobernanza sólida y límites claros, sobre todo en DACH.

5. Gobernanza y contexto DACH: cómo mantener a los managers dentro de los límites

La formación en IA para managers en DACH debe integrar los requisitos legales, éticos y de codeterminación. De lo contrario, incluso las buenas herramientas pueden causar grandes problemas. Tres marcos legales son los más relevantes: el RGPD, la Ley alemana de Constitución de la Empresa (BetrVG) y la Ley de IA de la UE.

RGPD e intervención humana: según el art. 22 del RGPD, los empleados tienen derecho a no ser objeto de decisiones totalmente automatizadas que les afecten de manera significativa. Toda evaluación, calificación o decisión sobre empleados asistida por IA debe incluir revisión e intervención humanas. El 21 % de los managers que dejan decidir a la IA sin intervención humana (mencionado arriba) está directamente expuesto aquí.

Codeterminación del comité de empresa (en concreto): en Alemania, varias secciones de la BetrVG se aplican en cuanto se usa IA en un contexto de desempeño:

  • Sección 87 (1) n.º 6 BetrVG: el comité de empresa tiene un derecho de codeterminación exigible sobre la introducción de sistemas técnicos destinados a supervisar el comportamiento o el rendimiento de los empleados. Según la jurisprudencia reiterada del Tribunal Federal de Trabajo (BAG), esto se aplica en cuanto un sistema es objetivamente capaz de supervisar, aunque no exista intención de hacerlo.
  • Sección 94 BetrVG: los cuestionarios de personal y los principios generales de evaluación requieren el consentimiento del comité de empresa. Si un sistema de IA genera o aplica criterios de evaluación sistemáticos, queda sujeto a esta sección.
  • Sección 95 BetrVG: las directrices de selección para decisiones de personal están sujetas a codeterminación. Cuando intervienen sistemas de IA en la fijación de esas directrices, el derecho de codeterminación se aplica expresamente.

Implantar IA para evaluaciones de desempeño o analítica sin el comité de empresa pone en riesgo, por tanto, algo más que la confianza: arriesga una prohibición legal de usar la herramienta.

Ley de IA de la UE (RR. HH. de alto riesgo): los sistemas de IA usados para promoción, despido, asignación de tareas y supervisión del desempeño basada en el comportamiento o en rasgos personales se clasifican como de alto riesgo según el anexo III de la Ley de IA de la UE. Esto implica obligaciones de evaluación de riesgos, documentación técnica, pruebas de sesgo, supervisión humana y transparencia. Los requisitos de alto riesgo serán aplicables a partir del 2 de diciembre de 2027, después de que el Ómnibus Digital sobre IA (Reglamento (UE) 2026/1744) los aplazara desde el 2 de agosto de 2026. Preparar a los managers desde ya sigue mereciendo la pena, porque el art. 22 del RGPD y los deberes de transparencia ya se aplican.

Un grupo industrial alemán ofrece un ejemplo positivo. Antes de pilotar un asistente GPT interno para managers, RR. HH.:

  • Implicó pronto al comité de empresa y compartió prompts de ejemplo.
  • Acordó reglas claras: solo datos anonimizados o agregados, sin calificaciones en bruto ni datos de salud.
  • Creó una sencilla hoja de “Qué hacer / Qué no hacer” para los managers durante la implantación.
  • Estableció un procedimiento de escalado por si los empleados planteaban dudas.

En lugar de resistencia, los miembros del comité se convirtieron en defensores cuando vieron que la IA reducía sobre todo la carga administrativa y no automatizaba las decisiones.

Los límites prácticos que conviene enseñar incluyen:

  • Límites de datos: no pegues nunca tablas salariales, notas médicas, expedientes disciplinarios ni expedientes de desempeño completos en herramientas públicas. Usa en su lugar resúmenes en viñetas y datos anonimizados.
  • Supervisión humana: exige que los managers lean y editen todos los resultados de la IA. Nada de “copiar, pegar y enviar” en evaluaciones, amonestaciones o casos de promoción.
  • Revisión de sesgos: indica a la IA de forma explícita, por ejemplo: “Redacta un feedback centrado en el comportamiento y los resultados, sin ninguna referencia a edad, género u origen”. Después, revísalo de nuevo manualmente.
  • Transparencia: anima a los managers a ser abiertos con sus equipos: “Uso la IA para ayudarme a estructurar mis notas y borradores, pero siempre lo reviso y decido yo”.
  • Trazabilidad: conserva versiones o registros de los documentos importantes, para poder explicar cómo se tomó una decisión si hace falta.
Qué hacerQué no hacer
Usar datos anonimizados y de alto nivel en los promptsPegar información personal sobre salud o salario
Revisar y editar todo el texto generado por IAEnviar a los empleados borradores de IA sin revisar
Comprobar si hay lenguaje sesgado o discriminatorioDar por hecho que el resultado es neutral sin revisarlo
Informar e implicar al comité de empresa en los pilotosImplantar herramientas de IA para RR. HH. de forma unilateral

Riesgo de sesgo en decisiones sobre personas asistidas por IA

El sesgo no es un asunto secundario; es la forma más común en que estas herramientas causan daño. Los modelos de IA aprenden de datos históricos y reproducen sus distorsiones. En las decisiones sobre personas, eso afecta directamente a las carreras profesionales. Según un análisis de datos de IA en RR. HH. (SQ Magazine), el 47 % de las empresas identifica sesgo de edad en sus herramientas de IA de selección, el 30 % sesgo de género, y el 36 % de las empresas informa de un impacto negativo directo en el negocio por el sesgo de la IA. El 29 % ha pausado o rehecho herramientas de IA de reclutamiento tras detectar sesgos.

Para los managers, el riesgo concreto es sutil: un comentario de evaluación o un caso de promoción redactado por IA puede contener formulaciones sesgadas, por ejemplo adjetivos distintos según el género (“asertivo” frente a “agresivo”). Tres límites ayudan:

  • Prompt de sesgo antes de guardar: indica a la IA que se centre en el comportamiento y los resultados y pídele después que señale el lenguaje potencialmente sesgado.
  • Principio de los cuatro ojos para decisiones de alto riesgo: no fundamentes nunca una promoción o un despido solo en un borrador de IA; contrástalo en las sesiones de calibración.
  • Documentación: registra qué datos alimentaron el resultado y dónde corrigió el manager. Es también un elemento básico del cumplimiento de la Ley de IA de la UE.

Transparencia con tu equipo: ¿cómo digo que uso IA?

Una de las preocupaciones más comunes de los empleados es: “¿Ha decidido una IA sobre mí?”. El silencio amplifica esa desconfianza. Los managers deben explicar su uso de la IA de forma activa y sencilla, antes de que nadie pregunte.

Un principio fiable es separar con claridad tres cosas: qué hace la IA (estructura, borradores, resúmenes), qué haces tú (decidir, aportar contexto, revisar) y qué datos no entran nunca en la IA. Formulaciones concretas que puedes practicar en la formación:

  • En un 1:1: “Uso la IA para ayudarme a estructurar mis notas de nuestras conversaciones. El criterio y la decisión son míos, no de la herramienta”.
  • Antes de un ciclo de evaluación (al equipo): “Usamos la IA para resumir feedback y redactar textos. Vuestras calificaciones y conversaciones de desarrollo siguen en manos humanas. Ningún dato sensible va a herramientas públicas”.
  • Ante la pregunta directa ‘¿Ha escrito un bot mi evaluación?’: “No. La IA me ayudó a convertir mis viñetas en un borrador. Yo valoré y decidí, y estaré encantado de repasar contigo cada punto”.

El orden importa: primero informar, después usar. Establecer la transparencia solo cuando ya han corrido los rumores cuesta una confianza difícil de recuperar. Las encuestas muestran que más de la mitad de los empleados se siente incómoda con que la IA intervenga en las evaluaciones de desempeño. Una buena formación da a los líderes el lenguaje para abordar esta preocupación y demostrar que la IA está para mejorar el criterio humano, no para sustituirlo.

Gobernanza del coaching con IA para managers: fuentes de datos, base jurídica y acuerdo de empresa

Los límites anteriores describen lo que hace cada manager. Antes de que una herramienta llegue a toda una cohorte, RR. HH. también debe resolver tres cuestiones organizativas.

Base jurídica y fuentes de datos. Tratar datos de empleados en una herramienta de IA requiere una base jurídica conforme al art. 6 del RGPD. En Alemania se cita con frecuencia el artículo 26 BDSG para los datos laborales, aunque su aplicabilidad junto al RGPD se discute desde la sentencia del TJUE en el asunto C-34/21 (30 de marzo de 2023). Elijas la base que elijas, la proporcionalidad y la transparencia deciden si se sostiene. Acuerda estas reglas con tu delegado de protección de datos antes del piloto:

  • Limita las fuentes a los sistemas de RR. HH. y a las herramientas de encuesta. El correo y el chat quedan fuera.
  • Usa datos agregados o anonimizados siempre que sea posible. Sin calificaciones de desempeño en bruto, expedientes disciplinarios ni datos de salud.
  • Elige una solución alojada en la UE y firma un contrato de encargo de tratamiento (AVV/DPA) con el proveedor.
  • Pregunta a tu delegado de protección de datos si hace falta una evaluación de impacto relativa a la protección de datos conforme al art. 35 del RGPD.

Acuerdo de empresa (Betriebsvereinbarung). Además de los derechos de codeterminación citados, la sección 90 BetrVG obliga al empleador a informar al comité de empresa con antelación sobre los procedimientos de trabajo previstos, incluido el uso de IA. Según la sección 80 (3) BetrVG, se considera necesario recurrir a un experto cuando el comité debe evaluar la introducción de la IA. Un acuerdo viable para herramientas de coaching de managers suele fijar cuatro puntos: finalidad (desarrollo, no vigilancia), datos permitidos y excluidos, la IA como fuente de sugerencias y no de decisiones, y ninguna supervisión del comportamiento individual salvo que se acuerde expresamente. Añade una fecha de revisión.

Equidad y confianza de los empleados. Ve más allá del prompt de sesgo individual: audita con regularidad los resultados de la IA en busca de patrones a nivel de grupo, como género o edad, exige a los managers que cuestionen las sugerencias en lugar de aceptarlas y ofrece a los empleados un canal para señalar resultados problemáticos. Explica a los empleados qué datos se usan y para qué y, si el acuerdo lo permite, déjales excluirse de funciones concretas durante el piloto.

RequisitoAcciónResponsable
Residencia de datosElegir una solución alojada en la UE y firmar el AVV/DPATI y Legal
Transparencia con los empleadosExplicar con claridad el alcance, la finalidad y los límitesRR. HH.
BetriebsvereinbarungAcordar el uso de la IA, los límites de supervisión y los casos de usoRR. HH. y comité de empresa

Con la gobernanza y la confianza en su sitio, los managers formados en IA pueden integrarse plenamente en tus sistemas de desempeño y talento. Para consultar toda la gobernanza y el conjunto de competencias, lee nuestra guía sobre IA en RR. HH..

6. Integrar a los managers formados en IA en los procesos de talento

La formación en IA para managers tiene el mayor impacto cuando se vincula directamente con tu gestión del desempeño, tus revisiones de talento y tus programas de desarrollo de liderazgo. Los managers formados en IA necesitan un único lugar para objetivos, evaluaciones y skills, que es lo que ofrece un software de gestión del talento.

Las empresas que miden las “tasas de feedback documentado” y el “tiempo para completar las evaluaciones” antes y después de adoptar la IA suelen ver mejoras claras. Por ejemplo, las organizaciones que usan coaching asistido por IA para managers registran tanto un mayor volumen de feedback escrito como mejores puntuaciones de efectividad de los managers en las encuestas.

Los puntos de integración incluyen:

  • Marcos de competencias y skills: añade la alfabetización en IA a las competencias de liderazgo, por ejemplo: “Usa las herramientas de IA de forma responsable para mejorar la calidad del feedback y las decisiones sobre talento”.
  • Calidad de las evaluaciones de desempeño: usa listas de comprobación durante la calibración: ¿aportó el manager ejemplos concretos? ¿Es el tono justo y coherente? Los resúmenes generados por IA pueden apoyar estas comprobaciones de calidad, pero no sustituirlas.
  • Sesiones de calibración: en lugar de llevar solo notas libres, los managers llevan resúmenes estructurados (a menudo asistidos por IA) que facilitan las comparaciones. Esto favorece calificaciones más coherentes entre equipos, como describen muchos enfoques de calibración de talento.
  • Itinerarios de desarrollo de liderazgo: haz obligatorios los módulos básicos de IA para los nuevos managers antes de que dirijan su primer ciclo de evaluación. Ofrece módulos avanzados de formación en liderazgo con IA para líderes más sénior (por ejemplo, planificación de escenarios, analítica de plantilla).
  • Cultura de feedback: anima a los managers a usar la IA no solo en las evaluaciones anuales, sino también en los 1:1 continuos y en las revisiones de mitad de año. Con el tiempo puedes seguir métricas como el “porcentaje de empleados que recibe feedback escrito cada trimestre”.
Área de integraciónAntes de la formación en IACon managers formados en IA
Marcos de competenciasRedacción genérica de “competencias digitales”Comportamientos de “uso responsable de la IA” definidos de forma explícita
Ciclos de evaluaciónComentarios de última hora e incoherentesAportaciones estructuradas y resumidas, alineadas con las plantillas
CalibraciónSolo relatos subjetivosResúmenes estandarizados más revisión de sesgos
Programas de liderazgoCentrados solo en las habilidades blandas clásicasMódulos sobre coaching y toma de decisiones con apoyo de IA

Cuando el uso de la IA pasa a formar parte de las expectativas de liderazgo, y no es un extra opcional, los managers tienden más a tratarlo como una competencia seria y menos como un experimento.

Por último, veamos cómo evolucionarán estas prácticas.

7. Tendencias y perspectivas de la capacitación de managers en IA

La IA se está convirtiendo en una parte estándar de las herramientas de trabajo. Eso significa que la formación en IA para managers no puede ser un proyecto puntual. Debe convertirse en un elemento recurrente del desarrollo del liderazgo.

Las previsiones indican que en 2028 habrá cientos de millones de agentes de IA apoyando las tareas cotidianas. Al mismo tiempo, las encuestas muestran que la mayoría de las organizaciones sigue sin políticas formales de IA, mientras que la adopción entre los empleados ya supera el 80 % en algunas regiones, según informa TechRadar sobre la encuesta de ISACA.

Tendencias clave que debes tener en cuenta en tus planes de capacitación de managers:

  • IA integrada en las herramientas de RR. HH.: los botones de “resumir”, “redactar” y “sugerir calificación” aparecerán dentro de los módulos de desempeño y de 1:1. Los managers pueden usar la IA sin darse cuenta. Por eso la formación debe centrarse en principios (revisión, sesgo, límites de datos) y no solo en productos concretos.
  • Evolución normativa: la Ley de IA de la UE clasifica como de alto riesgo la IA de RR. HH. para promoción, despido y evaluación del desempeño. Las herramientas usadas en desempeño y selección afrontan requisitos más estrictos de documentación, pruebas de sesgo y supervisión humana.
  • Cambio de foco en el ROI: los CFO juzgan cada vez más las inversiones en IA por la productividad y los resultados de talento, no solo por el ahorro directo de costes. Esto aumenta la importancia de métricas como el tiempo ahorrado por evaluación, las mejoras de retención y las puntuaciones de compromiso.
  • Aprendizaje continuo: cada pocos meses aparecen nuevas funciones y modelos de IA. Eso exige microaprendizaje, sesiones de actualización y “campeones de IA” que puedan apoyar a sus compañeros.
  • Percepción de los empleados: el miedo a ser sustituidos seguirá ahí. Los managers necesitan coaching continuo para comunicar con transparencia y tranquilidad el uso de la IA en sus equipos.
Área de tendenciaQué está cambiandoImplicación para los managers
RegulaciónNormas más estrictas para la IA de RR. HH. (Ley de IA de la UE, obligaciones de alto riesgo desde dic. de 2027)Necesidad de formación actualizada sobre cumplimiento y documentación
Panorama de herramientasIA integrada en las plataformas de RR. HH. estándarHay que entender el comportamiento de la IA, no solo las interfaces
Gestión del talentoMás decisiones basadas en datosMayor necesidad de interpretar y humanizar los insights de la IA

En este entorno, los líderes más eficaces tratarán la IA como un copiloto. Delegarán en ella el trabajo rutinario de síntesis y dedicarán más tiempo a conversaciones significativas, decisiones más claras y mejor coaching.

8. Plan de implantación para DACH: piloto, medición y escalado

Una implantación por fases te mantiene dentro de la normativa, gana confianza y genera evidencias. Esta es una secuencia que funciona para las organizaciones de DACH:

  1. Empieza con una cohorte piloto. Como regla general, de 20 a 50 managers es un tamaño suficiente para ver patrones y lo bastante pequeño para acompañarlos de forma personal. Opciones típicas: todos los managers nombrados en los últimos 12 meses, una función como Finanzas o Producto, o equipos con retos de compromiso conocidos. Escribe los criterios de éxito antes de la primera sesión.
  2. Resuelve primero la gobernanza. El área legal, el delegado de protección de datos y el comité de empresa acuerdan las categorías de datos, el alojamiento, el AVV y la Betriebsvereinbarung antes de que nadie inicie sesión (véase el apartado de gobernanza más arriba).
  3. Forma antes de activar. Sesiones breves y prácticas sobre prompts claros, revisión y edición de borradores de IA y límites de datos. Los cinco módulos de la sección 3 son el contenido.
  4. Intégralo en los flujos de trabajo existentes. Vincula el apoyo de la IA a los ciclos de 1:1, evaluación y planificación del desarrollo que los managers ya llevan, y da a los participantes tareas reales, por ejemplo generar la agenda del próximo 1:1 y reflexionar sobre el resultado.
  5. Revisa, ajusta, escala. Tras tres a seis meses, revisa los resultados con todas las partes implicadas, incluido el comité de empresa, compáralos con tu punto de partida, ajusta la gobernanza, los prompts y el material de formación, y amplía después cohorte a cohorte.

Cómo medir el piloto

Registra un punto de partida antes de que empiece el piloto. Sin él, ninguna de estas cifras se puede interpretar. Los objetivos los fijas tú; dependen de tu situación inicial.

MétricaCómo se mide
Tiempo de preparación ahorrado por el managerHoras al mes autodeclaradas frente al punto de partida
AdopciónPorcentaje de managers del piloto que usan la herramienta cada semana
Calidad de los 1:1Breve encuesta de pulso entre los colaboradores directos
Cobertura de feedbackPorcentaje de empleados con feedback o planes de desarrollo documentados
CompromisoVariación de las puntuaciones de compromiso en los equipos piloto frente a equipos comparables
RetenciónRotación anualizada frente a equipos comparables, significativa solo pasado un año o más

Comparte los primeros resultados, pero sé abierto sobre los límites y las cuestiones pendientes. Así se mantienen altas la adopción y la confianza.

Conclusión: formar a los managers ahora es clave para un liderazgo preparado para el futuro

La IA ya está moldeando cómo los managers preparan los 1:1, redactan evaluaciones y toman decisiones sobre personas. Formar a los managers de manera deliberada para esta realidad ya no es opcional.

Se destacan tres mensajes centrales:

  • La formación para managers es distinta: debe cubrir el apoyo a la decisión, la ética, la comunicación y la confianza, no solo el uso básico de herramientas.
  • La práctica real genera impacto: los ejercicios basados en escenarios con tareas reales de liderazgo (evaluaciones, casos de promoción, análisis de encuestas) aportan tanto ahorro de tiempo como mejor calidad del feedback.
  • La gobernanza y la integración no son negociables: el RGPD, la BetrVG, la Ley de IA de la UE y las políticas internas definen el espacio en el que la IA puede apoyar con seguridad las decisiones de desempeño y talento.

Si estás diseñando o mejorando la formación en IA para managers, los siguientes pasos prácticos incluyen:

  • Auditar el desarrollo actual de los managers frente a los 5 módulos descritos aquí. ¿Dónde están las brechas en alfabetización en IA, gobernanza o habilidades prácticas de prompting?
  • Elaborar pautas en conjunto con representantes de legal, protección de datos y el comité de empresa antes de implantar flujos de trabajo con IA para los managers.
  • Actualizar las competencias de liderazgo y las descripciones de puesto para que el uso responsable de la IA pase a formar parte de “cómo es un buen liderazgo”.
  • Integrar las competencias de IA en los procesos existentes: plantillas de 1:1, plantillas de evaluación de desempeño, ejemplos de autoevaluación y sesiones de calibración de talento.
  • Seguir el impacto a lo largo del tiempo con métricas como el tiempo ahorrado, las puntuaciones de calidad de las evaluaciones, las tasas de feedback documentado y el compromiso del equipo.

La IA seguirá evolucionando. La regulación se endurecerá. Los empleados seguirán haciendo preguntas. Las organizaciones que doten pronto a sus managers de límites claros, competencias prácticas y una mentalidad centrada en las personas afrontarán este cambio con más confianza, mejores decisiones y equipos más sólidos.

Preguntas frecuentes (FAQ)

¿En qué se diferencia la formación en IA para managers de los cursos de IA habituales para empleados?

La formación en IA para managers va más allá de los consejos de productividad personal. Abarca cómo usar la IA en decisiones sobre personas, feedback, 1:1 y comunicación. Incluye también el RGPD, los requisitos de intervención humana, las expectativas del comité de empresa y cuestiones éticas propias de los puestos de liderazgo. El énfasis está en la responsabilidad, el tono y la equidad, no solo en redactar o investigar más rápido.

¿Cómo puedo usar IA generativa de forma segura al redactar evaluaciones de desempeño?

Trabaja con viñetas anonimizadas o de alto nivel en lugar de nombres completos y calificaciones en bruto en herramientas públicas. Deja que la IA ayude a estructurar puntos fuertes, resultados y áreas de desarrollo, pero revisa y edita siempre el texto tú mismo. Comprueba que no haya formulaciones sesgadas o vagas, asegúrate de que se ajusta a tus plantillas de evaluación de desempeño y a los valores de la empresa, y mantén el criterio humano en el centro de cualquier decisión de calificación o promoción.

¿Qué derechos tiene el comité de empresa cuando se introduce la IA en los procesos de desempeño?

El comité de empresa tiene derechos de codeterminación exigibles. Según la sección 87 (1) n.º 6 BetrVG, se requiere su consentimiento cuando un sistema es capaz de supervisar el comportamiento o el rendimiento. La sección 94 BetrVG abarca los principios de evaluación asistidos por IA, y la sección 95, las directrices de selección que implican IA. Sin la participación del comité de empresa, el uso de la herramienta puede ser prohibido. RR. HH. debe implicarlo pronto y usar solo datos anonimizados o agregados.

¿Cuándo entra mi sistema de IA en la categoría de alto riesgo de la Ley de IA de la UE?

La IA usada para promoción, despido, asignación de tareas o supervisión del desempeño de empleados se clasifica como de alto riesgo según el anexo III de la Ley de IA de la UE. Esto implica obligaciones de evaluación de riesgos, documentación técnica, pruebas de sesgo, supervisión humana y transparencia. Los requisitos de alto riesgo serán aplicables a partir del 2 de diciembre de 2027 (aplazados desde el 2 de agosto de 2026 por el Ómnibus Digital sobre IA, Reglamento (UE) 2026/1744). Las funciones de mera asistencia sin impacto en las decisiones suelen quedar fuera, pero conviene documentarlas igualmente.

¿Cómo le digo a mi equipo que uso IA?

Explícalo de forma activa y sencilla, antes de que nadie pregunte. Separa con claridad tres cosas: qué hace la IA (estructura, borradores, resúmenes), qué haces tú (decidir, aportar contexto, revisar) y qué datos no entran nunca en la IA. Una formulación fiable en un 1:1: “Uso la IA para ayudarme a estructurar mis notas. El criterio y la decisión son míos, no de la herramienta”. El orden importa: primero informar, después usar.

¿Dónde puedo encontrar prompts o plantillas de ejemplo para apoyar el uso de la IA en tareas de gestión?

Buenos puntos de partida son recursos consolidados como plantillas de agenda de reuniones 1:1, amplias bibliotecas de preguntas para reuniones individuales, plantillas de evaluación de desempeño, ejemplos de autoevaluación y orientaciones sobre sesgos en las evaluaciones de desempeño. Muchos blogs sobre coaching con IA para managers comparten también ejemplos concretos de prompts que puedes adaptar a tus propias herramientas y procesos.

¿Cómo pilotamos la formación en IA para managers en una empresa de DACH?

Empieza con 20 a 50 managers, define de antemano los criterios de éxito y un punto de partida, y acuerda las reglas de datos y una Betriebsvereinbarung con el área legal, tu delegado de protección de datos y el comité de empresa antes del primer inicio de sesión. Forma en prompts, revisión y límites de datos, vincula la herramienta a los ciclos de 1:1 y de evaluación existentes y revisa los resultados a los tres a seis meses antes de escalar.

¿Qué datos pueden procesar las herramientas de coaching con IA para managers según el RGPD?

Solo los datos amparados por una base jurídica y tratados de forma proporcionada y transparente. En la práctica: sistemas de RR. HH. y herramientas de encuesta como fuentes, datos agregados o anonimizados siempre que sea posible, sin calificaciones en bruto, expedientes disciplinarios ni datos de salud, alojamiento en la UE y un AVV firmado. Pregunta a tu delegado de protección de datos si hace falta una evaluación de impacto relativa a la protección de datos.

Jürgen Ulbrich

CEO y cofundador de Sprad

Jürgen Ulbrich cuenta con más de una década de experiencia en la creación y dirección de equipos y empresas de alto rendimiento. Como experto en programas de recomendación de empleados y en procesos de feedback y desempeño, Jürgen ha ayudado a más de 100 organizaciones a optimizar sus estrategias de captación y desarrollo de talento.

Plantillas y descargas gratuitas

Únete a la comunidad en solo 26 segundos y accede gratis a más de 100 recursos, plantillas y guías.

Plantilla de encuesta de bienestar de los empleados (PDF, en alemán)
Vídeo
Compromiso y retención de empleados
Plantilla de encuesta de bienestar de los empleados (PDF, en alemán)
Plantilla gratuita de plan de desarrollo individual (Excel): objetivos SMART y evaluación de competencias
Vídeo
Gestión del desempeño
Plantilla gratuita de plan de desarrollo individual (Excel): objetivos SMART y evaluación de competencias

La People Powered HR Community es para profesionales de RR. HH. que ponen a las personas en el centro de su trabajo de RR. HH. y reclutamiento. Juntos, convirtamos nuestra convicción compartida en un movimiento que transforme el mundo de RR. HH.