Preguntas sobre movilidad interna con IA: empleados y managers

Por Jürgen Ulbrich

Estas preguntas de encuesta sobre movilidad interna con IA miden lo que los KPI de movilidad no muestran: si los empleados confían en el matching con IA, sienten que se les trata con equidad, entienden qué datos se utilizan y se sienten lo bastante seguros como para explorar cambios internos. Esta plantilla ofrece bloques de preguntas segmentados para empleados y managers, un marco de puntuación con umbrales y una lista de verificación de gobernanza DACH para comités de empresa y protección de datos.

¿Cuándo necesitas esta encuesta?

Las herramientas de matching con IA para la movilidad interna cambian la forma en que los empleados viven las oportunidades profesionales dentro de una organización. Según el Career Optimism Index® 2026 del University of Phoenix Career Institute® (5.000 trabajadores, 1.000 empleadores), el 50 % de los empleados afirma que la IA aumenta su confianza para pasar a un nuevo puesto, mientras que el 62 % de los empleadores reconoce que los empleados desarrollan competencias de IA más rápido de lo que la organización puede adaptarse.

Los resultados encajan mejor en un software de gestión del talento que ya contenga skills y trayectorias profesionales; la guía de gestión de skills cubre los fundamentos.

La palanca decisiva es la confianza: la EY Mobility Reimagined Survey 2026 concluye que el 95 % de los empleados considera la confianza un factor clave para aceptar oportunidades de movilidad. Las funciones de movilidad con alta confianza tienen 1,9 veces más probabilidades de desarrollar a sus empleados en nuevas áreas con mayor rapidez que las de baja confianza.

Esta encuesta es la herramienta adecuada cuando:

  • estás pilotando o ampliando una herramienta de matching con IA para puestos, proyectos o gigs,
  • quieres medir si la transparencia, la equidad y la seguridad psicológica son suficientes,
  • necesitas implicar con datos a los comités de empresa y a los equipos de protección de datos, o
  • quieres señales de alerta temprana antes de que una pérdida de confianza se refleje en los KPI.

Si ya realizas una encuesta general de movilidad interna, utiliza estas preguntas como extensión específica de IA para tu grupo piloto. Una buena base es la plantilla de encuesta de movilidad interna, que cubre siete dimensiones fundamentales.

Banco de preguntas: movilidad interna con IA

Utiliza una escala Likert de 1-5 para todas las afirmaciones cerradas: 1 = Totalmente en desacuerdo, 5 = Totalmente de acuerdo. Añade una opción "No aplica" para los ítems que no se aplican a todos los puestos. Encuesta por separado a empleados y a managers/HRBPs: la brecha entre perspectivas es una de las señales de diagnóstico más valiosas que puedes obtener.

Bloque 1: Conocimiento y comprensión del matching con IA (empleados)

  • P1. Sé que se utiliza IA para sugerir a los empleados puestos, proyectos o gigs internos.
  • P2. Entiendo para qué sirve la herramienta de matching con IA y para qué no.
  • P3. Sé dónde encontrar información sobre cómo funciona la movilidad interna apoyada en IA en nuestra empresa.
  • P4. Durante el proceso puedo distinguir qué es una sugerencia de la IA y qué es una decisión humana.
  • P5. Sé qué pasos de la movilidad interna los lleva íntegramente una persona y cuáles cuentan con apoyo de la IA.
  • P6. Me siento cómodo/a haciendo preguntas sobre cómo influye el matching con IA en los cambios internos.

Bloque 2: Transparencia y control (empleados)

  • P7. Puedo ver qué skills o experiencias utilizó el sistema de IA para sugerir un puesto o proyecto.
  • P8. Puedo corregir o actualizar mi perfil de skills sin fricciones innecesarias.
  • P9. Puedo influir en las oportunidades que me muestra la IA (p. ej., intereses, ubicación, carga de trabajo).
  • P10. Entiendo cómo mejorar las futuras sugerencias de la IA (p. ej., actualizaciones del perfil, preferencias).
  • P11. Existe una opción clara para excluir determinados datos del matching con IA.
  • P12. Tengo suficiente control sobre mis datos como para confiar en el matching apoyado en IA.

Bloque 3: Calidad y relevancia de las sugerencias (empleados)

  • P13. Los puestos o proyectos sugeridos por la IA encajan con mis skills y con pasos siguientes realistas.
  • P14. Las sugerencias de la IA me ayudan a descubrir oportunidades que no habría encontrado por mi cuenta.
  • P15. La explicación de "¿por qué me han sugerido esto?" es lo bastante clara como para actuar.
  • P16. Las sugerencias de la IA reflejan mis preferencias declaradas (p. ej., función, tipo de equipo, remoto/híbrido).
  • P17. Puedo distinguir si una sugerencia es una oportunidad de crecimiento o un encaje cercano.
  • P18. La herramienta de matching con IA me ahorra tiempo en comparación con buscar manualmente.

Bloque 4: Percepción de equidad y sesgos (empleados)

  • P19. La movilidad interna apoyada en IA se percibe como justa entre equipos y departamentos.
  • P20. Las sugerencias de la IA no favorecen a los empleados que ya están bien conectados internamente.
  • P21. Creo que el matching con IA no perjudica a los empleados con jornada parcial u horarios flexibles.
  • P22. Creo que el matching con IA no perjudica a los empleados remotos frente a los de oficina.
  • P23. Cuando las sugerencias de la IA parecen erróneas, existe una forma justa de corregir el proceso.
  • P24. Confío en que las personas que revisan cuestionan los resultados de la IA cuando no son correctos.

Bloque 5: Seguridad psicológica y comportamiento de los managers (empleados)

  • P25. Me siento seguro/a explorando oportunidades internas sin arriesgarme a consecuencias negativas en mi equipo actual.
  • P26. Mi manager apoya los cambios internos incluso cuando generan carencias de recursos a corto plazo.
  • P27. Puedo hablar abiertamente de las oportunidades sugeridas por la IA en mis 1:1.
  • P28. No me preocupa que las señales del matching con IA (p. ej., "interés en movilidad") puedan dañar mi reputación.
  • P29. Si rechazo oportunidades sugeridas por la IA, no siento ninguna presión oculta.
  • P30. Confío en que las decisiones sobre cambios internos se explican con respeto y de forma coherente.

Bloque 6: Datos y privacidad (empleados)

  • P31. Sé qué datos de los empleados se utilizan para el matching con IA (skills, trayectoria, datos de formación, etc.).
  • P32. Sé quién puede ver mis señales de movilidad relacionadas con la IA (manager, RR. HH., equipo de talento).
  • P33. Confío en que los derechos de acceso impiden una visibilidad innecesaria de información sensible.
  • P34. Confío en que los datos del matching con IA se conservan solo durante el tiempo necesario.
  • P35. Sé cómo solicitar la corrección o la eliminación de los datos utilizados en el matching apoyado en IA.
  • P36. Creo que se respetan las expectativas de nuestro comité de empresa / Betriebsrat sobre la movilidad apoyada en IA.

Bloque 7: Impacto general (empleados)

  • P37. El apoyo de la IA hace que la movilidad interna sea más transparente que antes.
  • P38. El apoyo de la IA hace que la movilidad interna sea más accesible para un grupo más amplio de empleados.
  • P39. El apoyo de la IA me motiva a desarrollar skills pensando en futuras oportunidades internas.
  • P40. El apoyo de la IA me ayuda a entender qué skills debo desarrollar a continuación.
  • P41. El apoyo de la IA reduce las decisiones de dotación "entre bambalinas" que los empleados no pueden ver.
  • P42. En conjunto, la movilidad interna apoyada en IA mejora mi experiencia como empleado/a.

Bloque 8: Onboarding y dominio de la herramienta (managers/HRBPs)

  • P43. Entiendo cómo funciona el matching con IA lo suficiente como para explicárselo a los empleados.
  • P44. Sé qué fuentes de datos alimentan la herramienta de matching con IA (HRIS, perfiles de skills, historial de formación, proyectos).
  • P45. He recibido formación práctica para utilizar el matching con IA de forma responsable en las decisiones de movilidad.
  • P46. Sé qué no debo hacer con los resultados de la IA (p. ej., tratarlos como decisiones finales).
  • P47. Sé dónde encontrar las políticas y las vías de escalado para las dudas sobre el matching con IA.
  • P48. Me siento seguro/a para atender las inquietudes de los empleados sobre la IA y la movilidad interna.

Bloque 9: Eficiencia del proceso (managers/HRBPs)

  • P49. El matching apoyado en IA reduce el tiempo que dedico a la dotación de personal y a la búsqueda interna de puestos.
  • P50. Las sugerencias de la IA se integran sin problemas en nuestra revisión de talento o en el flujo de dotación.
  • P51. Las sugerencias de la IA reducen el número de candidaturas que no encajan bien.
  • P52. El matching con IA nos ayuda a identificar candidatos internos antes en el proceso de dotación.
  • P53. La herramienta apoya la planificación de sucesión al hacer más visibles las canteras y los posibles candidatos.
  • P54. El esfuerzo administrativo para mantener los datos de skills es razonable para managers y equipos.

Bloque 10: Calidad del matching (managers/HRBPs)

  • P55. El matching con IA saca a la luz talento "oculto" más allá de las redes internas habituales.
  • P56. Las sugerencias de la IA se ajustan a los requisitos del puesto y a expectativas de desempeño realistas.
  • P57. Las explicaciones de la IA ("¿por qué se ha sugerido a esta persona?") son lo bastante claras para conversaciones de seguimiento.
  • P58. Las sugerencias de la IA apoyan los movimientos laterales y de desarrollo, no solo las promociones.
  • P59. El matching con IA funciona para la dotación de proyectos y los gigs de corta duración, no solo para puestos permanentes.
  • P60. He visto casos en los que el matching con IA mejoró un resultado de movilidad para el negocio.

Bloque 11: Gobernanza y salvaguardas (managers/HRBPs)

  • P61. Tenemos reglas claras sobre qué decisiones pueden contar con apoyo de la IA y cuáles no.
  • P62. Tenemos un proceso claro para cuestionar los resultados de la IA que parecen sesgados o incorrectos.
  • P63. Documentamos cuándo se utilizó la IA y qué criterio humano se aplicó.
  • P64. La responsabilidad está clara: siempre hay una persona responsable de la decisión final.
  • P65. El acceso a los datos y los permisos del matching con IA son claros y se aplican de forma coherente.
  • P66. Nuestro acuerdo de empresa / política interna cubre la movilidad apoyada en IA de forma práctica.

Valoraciones generales (0-10, estilo NPS)

  • V1 (empleados). ¿Cuánto confías en que el matching apoyado en IA te tratará con equidad en la movilidad interna? (0-10)
  • V2 (empleados). ¿Qué utilidad tienen las sugerencias basadas en IA para planificar tu carrera? (0-10)
  • V3 (empleados). ¿Hasta qué punto tienes claro por qué recibiste determinadas sugerencias de la IA? (0-10)
  • V4 (managers/HRBPs). ¿Cuánto confías en que el matching apoyado en IA sea justo entre los distintos grupos de empleados? (0-10)
  • V5 (managers/HRBPs). ¿Qué utilidad tiene el matching con IA para la dotación, las revisiones de talento y las conversaciones sobre sucesión? (0-10)
  • V6 (managers/HRBPs). ¿Con qué seguridad explicas la movilidad apoyada en IA a los empleados y al comité de empresa? (0-10)

Preguntas abiertas

  • A1 (todos). Describe una situación en la que las sugerencias basadas en IA mejoraron un resultado de movilidad interna.
  • A2 (todos). ¿Dónde hace la IA, hoy, que la movilidad interna sea más difícil, más lenta o más confusa?
  • A3 (solo empleados). ¿Qué información te ayudaría a confiar más en las sugerencias de la IA?
  • A4 (solo empleados). ¿Qué es lo que más te preocupa de la IA en la movilidad interna: la equidad, la privacidad, las reacciones de los managers u otra cosa?
  • A5 (solo empleados). ¿Qué datos no deberían utilizarse nunca para el matching con IA en nuestra empresa, y por qué?
  • A6 (solo managers/HRBPs). ¿Qué salvaguardas o políticas faltan para una movilidad apoyada en IA que sea responsable?
  • A7 (solo managers/HRBPs). ¿Qué formación te ayudaría a utilizar mejor el matching con IA en la dotación y las revisiones de talento?

Cómo realizar la encuesta de preguntas sobre movilidad interna con IA: momento y muestra

Lanza la encuesta cuando los empleados ya hayan tenido su primera experiencia real con la herramienta de IA, no justo después del correo de lanzamiento. Un buen detonante: "Los empleados recibieron sugerencias y tuvieron al menos dos semanas para actuar" o "Una revisión de talento utilizó sugerencias de la IA al menos una vez". En contextos DACH, implica pronto al comité de empresa y al delegado de protección de datos, porque los problemas de confianza aparecen antes cuando los empleados sospechan que existe una evaluación del desempeño encubierta.

  1. Define la población piloto y los grupos mínimos de reporte (n ≥ 10 por segmento).
  2. Envía la encuesta 10-14 días después de las primeras sugerencias de la IA y mantenla abierta 7 días.
  3. Analiza los resultados en ≤ 10 días; publica los principales hallazgos y los siguientes pasos en ≤ 21 días.
  4. Implementa las mejoras en ≤ 45 días y realiza un pulso breve (12-15 ítems).
  5. Toma la decisión de ampliar solo después de que la ola 2 muestre una confianza estable o en mejora.

Mantén tu primer piloto acotado: 1-3 unidades de negocio, una región, un caso de uso claro (puestos, proyectos, gigs o mentoring). Después realiza la encuesta en dos olas: la ola 1 tras la primera experiencia de matching; la ola 2 cuando hayas implantado al menos uno o dos cambios visibles. Esa segunda ola es la que te muestra si la confianza y la equidad percibida pueden realmente mejorar. Si la participación cae por debajo del 60 % en un piloto, tómalo también como una señal: puede que las personas no se sientan seguras o que no crean que su feedback vaya a cambiar algo.

Puntuación e interpretación: cómo es un buen resultado por dimensión

Puntúa por dimensión, no por ítem individual. Lo que quieres saber es si tienes un problema de transparencia, de equidad o de seguridad. Combínalo con los ítems de impacto general (P37-P42) para evitar la optimización local: la transparencia puede subir mientras la relevancia sigue baja y los empleados siguen sin usar la herramienta.

DimensiónPreguntasSeñal saludableSeñal de alerta
Conocimiento y comprensiónQ1–Q6, Q43–Q48Media ≥ 4,0; baja varianza entre equiposMedia < 3,5 o los managers puntúan ≥ 0,4 más que los empleados
Transparencia y controlQ7–Q12Media ≥ 3,9 y V3 ≥ 7,0P7 o P11 < 3,2, o V3 < 6,5
Calidad y relevanciaQ13–Q18, Q55–Q60Media ≥ 3,8 y V2/V5 ≥ 7,0P15 < 3,3 (explicaciones débiles) o P13 < 3,3 (encaje débil)
Equidad y sesgosQ19–Q24Media ≥ 3,9; brechas entre grupos < 0,3Media < 3,4 o cualquier brecha entre grupos ≥ 0,5
Seguridad psicológicaQ25–Q30, Q61–Q66Media ≥ 4,0 y P26 ≥ 3,8P25 o P28 < 3,5, o brecha de optimismo de los managers ≥ 0,4
Confianza en datos y privacidadQ31–Q36, Q65–Q66Media ≥ 4,0 y P32 ≥ 3,8P32 < 3,3 (visibilidad poco clara) o P34 < 3,5 (dudas sobre la conservación)
Impacto generalQ37–Q42Media ≥ 3,9; mejora ≥ 0,2 entre olasEstancado o a la baja tras las mejoras

Una brecha de ≥ 0,5 entre jornada parcial y completa, entre remoto y oficina, o entre distintas ubicaciones debe tratarse como un defecto de producto, hasta que se demuestre lo contrario. No discutas la intención: investiga la causa raíz.

Intervenciones: qué hacer cuando las puntuaciones son bajas

Evita el reflejo de apagar la IA. Los empleados y los managers suelen pedir límites más claros, no menos tecnología. Las soluciones más eficaces son operativas: mejores explicaciones, mejor higiene de datos y mejores conversaciones con los managers. La siguiente lógica asigna cada señal a la intervención adecuada:

  1. Si la transparencia es baja (P7-P12): corrige primero las explicaciones y los controles de usuario.
  2. Si la relevancia es baja (P13-P18): corrige los requisitos de los puestos y la calidad de los datos de skills.
  3. Si la equidad es baja (P19-P24): realiza auditorías de brechas entre grupos y ajusta las reglas de matching.
  4. Si la seguridad es baja (P25-P30): entrena a los managers y protege las señales de exploración de movilidad.
  5. Si la confianza en la privacidad es baja (P31-P36): aclara permisos, conservación y registros de acceso.

Los managers necesitan guiones: cómo hablar de las sugerencias de la IA, qué decir cuando las sugerencias son erróneas y cómo fomentar los cambios internos sin penalizar la curiosidad. El playbook de formación en IA para managers es una referencia práctica de lo que los managers deben hacer de otra manera en los 1:1, las evaluaciones y las decisiones cuando hay IA de por medio.

Planes de encuesta para distintas fases

No necesitas todos los ítems cada vez. Utiliza el banco completo una vez y pasa después a un pulso breve que siga las mismas dimensiones. Esto también simplifica el acuerdo con el comité de empresa: menos preguntas, un propósito más claro, una actuación más rápida.

PlanCuándo usarloDestinatariosÍtems recomendadosDuración objetivo
(a) Empleados tras la primera ola del piloto10-14 días después de las primeras sugerencias de la IAEmpleados del pilotoQ1–Q6, Q7–Q12, Q13–Q18, Q19–Q24, Q25–Q30, Q37–Q42 + R1–R3 + O3–O518-22 ítems
(b) Managers/HRBPs tras la revisión de talento3-10 días después de una revisión de talento con apoyo de la IAManagers + HRBPsQ43–Q48, Q49–Q54, Q55–Q60, Q61–Q66 + R4–R6 + O6–O718-22 ítems
(c) Pulso breve combinado en el pilotoCada 6-8 semanas durante el pilotoTodosEmpleados: P7, P13, P19, P25, P32, P37 + V1/V2; managers: P43, P55, P62 + V4/V512-15 ítems
(d) Seguimiento tras el despliegue6-12 meses después de ampliarTodosNúcleo de todas las dimensiones: P1-P42 + bloques de managers P43-P66 + V1-V620-28 ítems

Gobernanza DACH: comité de empresa y protección de datos en la práctica

En DACH, la legitimidad percibida importa tanto como la calidad del modelo. Los empleados preguntarán: "¿Quién ve esto?" "¿Puede perjudicarme?" "¿Es una señal de desempeño encubierta?" Responde a esas preguntas por escrito antes de enviar la encuesta.

Codeterminación según el derecho laboral alemán

Los sistemas de matching con IA que influyen en las decisiones internas de dotación están sujetos a los derechos de codeterminación del comité de empresa conforme al § 87 párr. 1 n.º 6 BetrVG si el sistema es objetivamente capaz de supervisar el comportamiento o el desempeño de los empleados, con independencia de que el empleador pretenda utilizarlo con ese fin. Según la jurisprudencia consolidada del Tribunal Federal de Trabajo (BAG), basta la capacidad objetiva de supervisión para activar la codeterminación. Un acuerdo de empresa (Dienstvereinbarung) debería definir la finalidad, las fuentes de datos, los derechos de acceso, la autoridad de decisión humana y las vías de escalado.

Ley de IA de la UE: clasificación de alto riesgo a partir de diciembre de 2027

Los sistemas de IA que influyen en decisiones laborales, incluidos el matching interno de puestos y la dotación basada en skills, se clasifican como de alto riesgo conforme al anexo III de la Ley de IA de la UE. Las obligaciones principales de los responsables del despliegue se aplican a partir del 2 de diciembre de 2027 (aplazadas desde agosto de 2026 por el Digital Omnibus on AI): evaluaciones de riesgos, documentación, supervisión humana y, conforme al artículo 86 de la Ley de IA de la UE, el derecho de los empleados a solicitar una explicación de las decisiones influidas por un sistema de IA de alto riesgo. Informa a los empleados y a los comités de empresa antes de desplegar el sistema.

Lista de verificación RGPD para la encuesta

  • No presentes resultados desglosados por debajo de n ≥ 10 por grupo; ninguna vista de equipo para grupos de ≤ 3 personas.
  • Revisa y depura los comentarios de texto libre de identificadores antes de compartirlos con cualquier manager.
  • Incluye el sistema de matching con IA en tu registro de actividades de tratamiento (documentación del art. 30 del RGPD).
  • Define una vía de escalado para las inquietudes sobre equidad: HRBP, DPO o un canal conjunto entre RR. HH. y comité de empresa; primera respuesta en ≤ 7 días.
  • Implica al comité de empresa antes de la encuesta piloto: comparte la finalidad, los ítems exactos, las reglas de anonimato y quién ve los resultados.

Si ya realizas programas estructurados de escucha a los empleados, reutiliza tus pautas de gobernanza existentes. La guía de plantillas de encuestas a empleados incluye una lista de verificación de comité de empresa y RGPD que puede adaptarse directamente al feedback sobre movilidad con IA.

Responsabilidades y seguimiento

Trata el seguimiento como un proceso operativo. Reparte las señales por tema: los managers son responsables de la seguridad psicológica y del apoyo a la movilidad a nivel de equipo; RR. HH. es responsable de la claridad del proceso, la comunicación y el desarrollo de capacidades; TI/HRIS, de los cambios en la herramienta; el DPO y los representantes del comité de empresa, de los temas de privacidad y codeterminación.

Señal / área de ítemsUmbralAcción recomendadaResponsablePlazo
Conocimiento y comprensión (P1-P6, P43-P48)Media < 3,5Publicar un FAQ de 1 página "El matching con IA explicado" + sesión informativa de 30 min por equipoRR. HH. (People Ops)Borrador ≤ 14 días; sesiones ≤ 30 días
Transparencia y control (P7-P12)Media < 3,2 o V3 < 6,5Añadir explicaciones de "por qué se sugiere" + flujo para corregir el perfilRR. HH. (Talento) + TI/HRISBacklog ≤ 21 días; primera versión ≤ 60 días
Calidad y relevancia (P13-P18)Media < 3,3 o V2/V5 < 6,5Auditar los requisitos de los puestos + actualizar la taxonomía de skills de los 10 puestos piloto principalesResponsables de puesto + RR. HH. (Skills)Auditoría ≤ 14 días; perfiles actualizados ≤ 45 días
Equidad (P19-P24)Media < 3,4 o brecha entre grupos ≥ 0,5Auditoría de brechas entre grupos + ajustar las reglas de matching y los pasos de revisión humanaRR. HH. (People Analytics) + DPOAnálisis ≤ 21 días; medidas acordadas ≤ 45 días
Seguridad psicológica (P25-P30)Media < 3,5 o P26 < 3,2Capacitación de managers: guiones para conversaciones sobre movilidad + compromiso de "sin represalias"Líderes de negocio + HRBPsGuiones ≤ 14 días; sesiones con managers ≤ 30 días
Confianza en la privacidad (P31-P36, P65-P66)Media < 3,6 o P32 < 3,3Aclarar permisos, conservación y registros de acceso; actualizar el acuerdo de empresa si es necesarioDPO + RR. HH. (Compliance) + comité de empresaAclaraciones ≤ 30 días; actualización de la política ≤ 90 días

Estándares de tiempo de respuesta: ≤ 24 horas para cualquier comentario que apunte a represalias o a un uso indebido de datos; ≤ 7 días para acusar recibo de las inquietudes sobre equidad y describir los siguientes pasos; ≤ 30 días para publicar un plan de acción concreto con responsables y plazos.

Para evaluar con equidad las decisiones de movilidad, los procesos de calibración estructurados son importantes. La guía de calibración de talento ofrece un modelo práctico de estándares de puesto, requisitos de evidencia y documentación de decisiones que encaja bien con las sugerencias asistidas por IA.

Conclusión

La movilidad interna apoyada en IA puede acelerar el matching y hacer aflorar talento oculto, pero solo si los empleados y los managers confían en el proceso. Estas preguntas de encuesta sobre movilidad interna con IA te dan tres señales accionables: alertas tempranas cuando se rompen la transparencia o la seguridad psicológica, bases más claras para las conversaciones entre empleados y managers sobre movimientos de crecimiento, y prioridades para mejorar la calidad de los datos, la gobernanza y los flujos de trabajo.

Empieza con algo pequeño y concreto: un grupo piloto, los planes (a) y (b) en tu herramienta de encuestas y los responsables del seguimiento acordados antes de enviar la primera invitación. Comprométete a publicar los resultados y los cambios en ≤ 30 días. Cuando los empleados vean que el feedback se traduce en mejores explicaciones, permisos más claros y un comportamiento distinto de los managers, la adopción llegará como un subproducto de la confianza.

Preguntas frecuentes

¿Con qué frecuencia conviene realizar esta encuesta?

En los pilotos: la ola 1 unos 10-14 días después de que los empleados reciban por primera vez sugerencias de la IA y, después, un pulso breve tras implantar las mejoras (normalmente 6-8 semanas más tarde). Tras el despliegue, realiza un pulso combinado cada 6-8 semanas durante los primeros seis meses y, después, anualmente o tras cambios sustanciales en el sistema de matching.

¿Qué hacer cuando las puntuaciones son muy bajas (p. ej., media inferior a 3,0)?

Trata una media inferior a 3,0 como una señal de parar y corregir. Pausa la ampliación, identifica la dimensión que falla (transparencia, equidad, seguridad o privacidad) e implementa un cambio visible en ≤ 45 días. Publica lo que ha cambiado. Después repite solo los ítems centrales del pulso de esa dimensión. Si las puntuaciones siguen bajas tras dos olas, replantea el caso de uso o el enfoque de gobernanza.

¿Cómo gestionar los comentarios críticos sobre sesgos o represalias?

Separa dos vías: (1) aprendizaje agregado para mejorar el proceso y (2) gestión de riesgos individuales. Ante cualquier comentario que sugiera represalias, discriminación o uso indebido de datos, responde en ≤ 24 horas a través de tu canal establecido de relaciones laborales. Ante las inquietudes sobre sesgos, acusa recibo en ≤ 7 días, explica los pasos de revisión y comparte el plan de mitigación. Mantén intacto el anonimato y depura los identificadores antes de compartir las respuestas de texto libre.

¿Cómo alinearse con los requisitos del comité de empresa y del RGPD?

Implica al comité de empresa antes de la encuesta piloto, no después de las quejas. Comparte la finalidad de la encuesta, los ítems exactos, las reglas de anonimato (n ≥ 10) y quién puede ver los resultados. Explica los flujos de datos, la conservación y los derechos de acceso tanto del matching con IA como de los datos de la encuesta, y documéntalos en un acuerdo de empresa. En cuanto al marco jurídico, el Reglamento General de Protección de Datos (RGPD) regula el tratamiento de los datos y, a partir de diciembre de 2027, la Ley de IA de la UE añade obligaciones de transparencia y explicación para los sistemas de alto riesgo en el ámbito laboral.

¿Qué preguntas funcionan mejor para un pulso breve entre encuestas completas?

Para un pulso de 10-12 ítems: un ítem de cada dimensión central (P7 (transparencia), P13 (relevancia), P19 (equidad), P25 (seguridad), P32 (privacidad), P37 (impacto general)), más V1 y V2 para los empleados y P43 y P55 para los managers. Añade A1 y A2 como preguntas abiertas. Así se conserva la comparabilidad de la tendencia y se mantiene bajo el esfuerzo.

¿Qué diferencia hay entre esta encuesta y una encuesta general de movilidad interna?

Una encuesta general de movilidad interna mide la visibilidad, la equidad, el apoyo de managers y RR. HH., la preparación en skills y la experiencia del cambio. Esta extensión específica de IA añade: la comprensión del proceso de matching con IA, la transparencia de los datos y del algoritmo, la calidad de la gobernanza y la confianza concreta que las personas depositan en el apoyo algorítmico a la decisión. Ambos instrumentos se complementan: la encuesta general como base y esta como capa específica de IA para los grupos piloto.

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 compromiso de los empleados (PDF, en alemán)
Vídeo
Compromiso y retención de empleados
Plantilla de encuesta de compromiso 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.