IA en RR. HH. y atención al cliente en las pymes: dónde rinde (y dónde se vuelve un riesgo legal)

Los recursos humanos y la atención al cliente son los dos departamentos donde la IA toca directamente a las personas: candidatos que evaluar por un lado, clientes que atender por otro. Es también el terreno donde la promesa es más fuerte —menos trabajo repetitivo, respuestas más rápidas, un equipo más ligero— y donde, por la misma razón, el error cuesta más. Un cribado que descarta injustamente a un candidato o un chatbot que da una información equivocada a un cliente no son solo tropiezos de comunicación: son, hoy, cuestiones de responsabilidad legal. Por eso tratamos ambos departamentos juntos: comparten la misma promesa y el mismo listón de riesgo, más alto que el de cualquier otro departamento que hayamos analizado hasta ahora.

La pregunta seria, como siempre, no es «¿existe la herramienta?» sino qué conviene automatizar en una empresa con un equipo pequeño —y, en estos dos departamentos en particular, qué responsabilidad asume cuando lo hace. Hemos recopilado las evidencias de campo de 2026 e intentamos responder en lenguaje llano.

RR. HH.: dónde rinde la IA, y por qué la pyme es justamente el segmento desatendido

En los recursos humanos, los casos de uso que dan un retorno real siguen el mismo esquema que en los demás departamentos —actividades de alto volumen y repetitivas, donde la IA elimina el trabajo manual pero no toma la decisión final:

• Cribado de CV y búsqueda de candidatos — en lugar de la selección manual y la búsqueda por palabras clave. Es el caso de uso más adoptado con diferencia en la selección de personal.
• Automatización del onboarding — formularios, calendarios e instrucciones de puesto generados en lugar del trabajo administrativo manual, con un recorte notable de la carga de incorporación.
• Previsión del turnover — señales de desvinculación interceptadas antes de que se conviertan en dimisiones, en lugar de la entrevista de salida cuando la persona ya se ha ido.
• Análisis del engagement — lectura automática de encuestas y comunicaciones internas en lugar de la revisión manual de los sondeos.
• Chatbot sobre políticas y beneficios — autoservicio sobre vacaciones, nóminas y permisos en lugar de los tickets a la oficina de RR. HH. para las preguntas de rutina.
• Borradores de las evaluaciones de desempeño — síntesis de los comentarios recogidos en un primer borrador, que el responsable revisa y hace suyo.

Aquí hay un dato que atañe justamente a las pymes. La adopción de la IA en RR. HH. no se distribuye por madurez, sino por tamaño: seis empresas de cada diez por encima de los cinco mil empleados la usan, frente a poco más de una de cada tres entre las pequeñas empresas. Traducido: el segmento menos atendido hoy es exactamente aquel en el que vive una pyme. No es un retraso que haya que recuperar a duras penas —es un espacio donde empezar con método mientras los grandes siguen enredados en la complejidad de sus sistemas.

Atención al cliente: el departamento donde la IA tiene el retorno más rápido

La atención al cliente es, de todos, el departamento donde la IA llega antes al valor —porque gran parte del trabajo se compone de solicitudes repetitivas con respuestas ya conocidas. Los casos que funcionan:

• Desviación de las solicitudes de primer nivel — un agente conversacional que resuelve por sí solo las solicitudes sencillas. De media, los programas maduros absorben alrededor del 40% de los contactos de primer nivel, y en los casos más esquemáticos (restablecimiento de contraseña, estado de un pedido, reembolsos estándar) se llega mucho más allá. En cambio, en las reclamaciones con matices, la tasa se desploma —y es lo correcto.
• Clasificación y enrutamiento de los tickets — clasificación automática de la cola, con tiempos de primera respuesta que se acortan de forma notable.
• Copiloto para el operador — la IA sugiere la respuesta y recupera el contexto mientras el operador habla con el cliente, en lugar de la búsqueda manual de notas y guiones.
• Respuesta automática desde la knowledge base — las preguntas frecuentes servidas desde la documentación, con tiempos de primera respuesta que pasan de minutos a segundos.
• Análisis del sentiment — reconocimiento del tono para activar el escalado en lugar del muestreo manual de las llamadas.

El retorno económico aquí es tangible: el coste por solicitud resuelta con IA es varios órdenes de magnitud más bajo que el de un operador humano. Pero el número que siempre damos a los clientes es otro, el de la satisfacción: la calidad percibida de una atención puramente automática se mantiene ligeramente por debajo de la humana, y la brecha se cierra casi por completo solo cuando hay un traspaso limpio a una persona para los casos que la IA no debe gestionar. La lección operativa es clara: la IA en el soporte rinde cuando está diseñada para saber cuándo apartarse, no cuando intenta responder a todo.

Las cifras agregadas, leídas con honestidad

Entre los dos departamentos hay una brecha de madurez que vale la pena decir en voz alta. El soporte gana rápido: es uno de los pocos ámbitos donde el retorno del primer año está documentado y es fuerte, y crece a medida que la knowledge base se enriquece. Los RR. HH. son más inciertos: no existe un retorno porcentual igual de limpio, y los datos reflejan sobre todo una brecha entre ambición y medida —casi la mitad de los responsables de personal que invierten en IA aún no han definido cómo medir su productividad. Invierten empujados por la expectativa, no por un número.

Una advertencia que damos siempre: gran parte de estas cifras son autodeclaradas por proveedores y analistas, no verificadas de forma independiente. Deben leerse como dirección, no como números para incluir en un business plan. Y el panorama de conjunto impone cautela: los análisis independientes coinciden en que solo una minoría de los proyectos de IA mantiene realmente el retorno prometido, y que la gran mayoría de los proyectos no produce un impacto medible en las cuentas. Quien le cita solo los números buenos le está vendiendo, no asesorando.

La lectura práctica es la de siempre: empiece por el departamento donde el retorno es más rápido y verificable —de hecho, el soporte— y use ese resultado medido para justificar el paso siguiente. En RR. HH. conviene moverse, pero con un criterio de éxito decidido antes que la herramienta; de lo contrario, el proyecto muere por objetivos confusos.

El riesgo que hace que RR. HH. y soporte sean distintos de cualquier otro departamento

Aquí está la verdadera razón por la que tratamos estos dos departamentos con más cautela que todos los demás. En ventas o marketing, un error de la IA es un correo torpe; en administración, es un pago que hay que revisar. En RR. HH. y en el soporte, un error afecta a una persona —un candidato, un empleado, un cliente— y el derecho lo sabe.

Sobre el soporte ya existe un precedente. Un tribunal consideró a una empresa responsable por la información equivocada que su propio chatbot dio a un cliente, rechazando la defensa según la cual «el chatbot es un sujeto aparte». La lección es definitiva: no puede descargar en una IA la responsabilidad de lo que dice a sus clientes. Y el riesgo no es teórico: un chatbot al que se deja responder con libertad «se inventa» una proporción nada desdeñable de las respuestas, proporción que se desploma cerca de cero solo cuando está anclado con rigor a las fuentes de la empresa —su documentación, sus políticas— en lugar del conocimiento genérico del modelo. Por eso un proyecto serio de soporte con IA no consiste en «cambiar el modelo»: consiste en construir a su alrededor una arquitectura que lo mantiene enganchado a lo que la empresa declara oficialmente.

Sobre RR. HH. el plazo es normativo. El EU AI Act clasifica como de alto riesgo los sistemas de IA usados para selección, promoción, despido y monitorización de los trabajadores. Para estas aplicaciones las obligaciones plenas se han pospuesto, pero es una ventana, no una exención: quien introduce hoy un cribado automático sin pensarlo se encontrará desprevenido cuando llegue el plazo. Y el problema de fondo está documentado, no es hipotético: los algoritmos de selección han demostrado poder discriminar de forma sistemática a categorías enteras de candidatos. La consecuencia práctica para una pyme es sencilla: cualquier uso de la IA en selección debe ir acompañado desde el primer momento de evaluación del riesgo, verificación de sesgos y vigilancia humana —no como un trámite formal, sino porque es el control que hace defendible la elección.

La forma más rápida de saber si un proveedor es serio, en estos dos departamentos, es invertir el orden de las preguntas. No «¿cuánto me hace ahorrar?», sino primero «¿cómo demuestro que esta decisión es justa y que de esta respuesta respondo yo?». Si la herramienta no tiene una respuesta limpia sobre el anclaje a las fuentes (soporte) y sobre la vigilancia humana y la trazabilidad (RR. HH.), el retorno no cuenta: es un riesgo a la espera de presentarse.

Copiloto aumentado o agente autónomo: aquí la elección pesa más que en otros lugares

Como en los demás departamentos, las herramientas se dividen en dos familias. El copiloto aumentado sigue siendo un asistente: propone la respuesta al cliente, redacta el borrador de evaluación, prepara el cribado —pero el humano aprueba y sigue siendo responsable. El agente autónomo aspira a cerrar el proceso por sí solo. En RR. HH. y en el soporte, sin embargo, «cerrar el proceso por sí solo» significa hablar directamente con una persona o decidir sobre ella: exactamente el punto donde el riesgo legal es máximo.

Para una pyme la recomendación es clara: empiece por el copiloto aumentado. Deje que la IA gestione de forma autónoma solo las solicitudes más sencillas y reversibles —donde un error se corrige sin daño— y mantenga a la persona dentro del proceso para todo lo que afecte a una decisión sobre el empleado o a una respuesta delicada al cliente. La autonomía no es una meta que perseguir: es un permiso que conceder caso por caso, donde el resultado es verificable.

¿Y en Italia?

El panorama italiano es el de un mercado aún rezagado pero en fuerte aceleración: la proporción de pymes que usa al menos una tecnología de IA ha crecido mucho en el último año, pero sigue siendo baja en términos absolutos, y la distancia con las grandes empresas en la adopción «estructurada» es marcada. Es honesto añadir un límite: en los departamentos de RR. HH. y soporte específicamente, los datos italianos granulares escasean —gran parte de las evidencias de retorno proviene de mercados anglosajones. No lo ocultamos, porque es exactamente el tipo de detalle que distingue un análisis de un eslogan. La ventaja, para una pyme italiana, es que el retraso del mercado es también un espacio: pocos competidores han organizado todavía bien estos dos departamentos.

Por dónde empezar, en la práctica

Si RR. HH. o atención al cliente son el departamento por el que quiere empezar, el camino razonable es corto y ordenado:

• En el soporte, empiece por el deflection de los casos simples — las solicitudes de rutina y las respuestas ya conocidas dan el retorno más rápido y el riesgo más bajo.
• Ancle el chatbot a sus fuentes desde el primer día — su documentación y sus políticas, no el conocimiento genérico del modelo. Es lo que mantiene las respuestas fieles y la responsabilidad gestionable.
• En RR. HH., trate la selección automática como de alto riesgo — vigilancia humana, verificación de sesgos y trazabilidad de la decisión desde el principio, no como un añadido posterior.
• Prefiera el aumento a la autonomía — un copiloto que agiliza al equipo, con el humano que aprueba lo que afecta a una persona.
• Defina el criterio de éxito antes que la herramienta — un número que diga si está funcionando. Sin él, el proyecto muere por objetivos confusos, no por límites de la IA.

Antes incluso de elegir el departamento, conviene saber dónde está: nuestra valoración de preparación para la IA ayuda a entender por dónde empezar con más retorno y menos fricción, y qué controles poner alrededor del primer workflow. Y como en RR. HH. y en el soporte el cumplimiento no es un detalle sino el eje, nuestro overlay de cumplimiento explica cómo enganchamos los controles —anclaje a las fuentes, vigilancia humana, trazabilidad— a cada diseño.

Hemos convertido el primer paso en una valoración de autoservicio y gratuita: pocas preguntas y una indicación sobre por dónde empezar, con qué controles alrededor. Haga la valoración de preparación para la IA —y luego, si tiene sentido, hablamos.

Este artículo tiene una finalidad orientativa y no constituye asesoramiento legal. Las cifras de retorno, adopción y deflection citadas provienen de análisis de mercado y de fuentes del sector en gran parte autodeclaradas, no verificadas de forma independiente: deben leerse como indicaciones de dirección y no como garantías de resultado. Cualquier uso de la IA en la selección de personal o en la atención al cliente debe evaluarse en función de los controles, los datos y el contexto de cada empresa, y —para los sistemas de selección— a la luz de las obligaciones normativas aplicables.