La IA puede transformar significativamente la forma en que se organizan y gestionan los funcionarios públicos. Al igual que en otras áreas de políticas, las herramientas de IA podrían utilizarse para orientar y personalizar mejor los servicios de recursos humanos (RR. HH.), acelerar y mejorar los procesos de RR. HH. con el fin de reducir las cargas administrativas e impulsar la productividad de los empleados. Algunos gobiernos ya están experimentando con la aplicación de la IA a funciones discretas de RR. HH., como los procesos de contratación, aprendizaje y desarrollo de los empleados (por ejemplo, de formación). Este tipo de aplicación suele centrarse en la automatización de procesos con el objetivo de garantizar procesos de RR. HH. más rápidos y precisos. El potencial de la IA en este campo podría ser mucho mayor. Si se cuenta con los datos adecuados, los sistemas de IA podrían eventualmente ayudar a emparejar mejor a las personas con los puestos de trabajo, y predecir el desempeño en función de los requisitos laborales y las características y antecedentes de las personas. Sin embargo, para que esto funcione es necesario una serie de factores. Por ejemplo, las administraciones públicas tendrían que disponer de datos sólidos en al menos tres ámbitos: las características de su organización, las demandas de puestos de trabajo específicos y los indicadores de rendimiento individual. Lamentablemente, la mayoría de las administraciones públicas carecen de datos confiables en las tres áreas. Para aprovechar este potencial, los gobiernos tendrán que invertir en más y mejores datos de RR. HH., así como en los conjuntos de competencias asociadas a la función de gestión de recursos humanos.
Gobernar con la inteligencia artificial
IA en la reforma de la función pública
Copiar enlace a IA en la reforma de la función públicaSituación actual
La IA podría aplicarse a una amplia gama de procesos y actividades estratégicos de gestión de recursos humanos, identificando patrones en los datos de la administración pública para orientar una planificación más estratégica de la organización, orientar mejor las políticas de recursos humanos o incluso identificar las competencias necesarias durante emergencias y crisis. Los datos disponibles y los casos prácticos indican dos ámbitos de reforma de la función pública en los que algunos países estaban experimentando activamente con aplicaciones de la IA: la contratación; y el aprendizaje y el desarrollo. En esta sección se analizan y analizan más a fondo.
Hasta la fecha, las iniciativas han sido a menudo proyectos piloto fragmentados, sin un enfoque estratégico para su adopción sistémica. Sin embargo, gobiernos como el francés están adoptando un enfoque coherente y estratégico para explorar los beneficios de la IA en la reforma de la función pública, al tiempo que reconocen los posibles efectos negativos y establecen medidas de seguridad para hacerles frente (Recuadro 5.19).
Recuadro 5.19. Estrategia de Francia para el uso de IA en la gestión de recursos humanos de la administración pública
Copiar enlace a Recuadro 5.19. Estrategia de Francia para el uso de IA en la gestión de recursos humanos de la administración públicaFrancia ha desarrollado una estrategia estructurada para integrar la IA en la gestión de recursos humanos en toda su administración pública. Esta estrategia se centra en tres áreas clave: la integración de la IA, la planificación de la organización y la formación de los funcionarios. Su objetivo es garantizar que la IA se utilice de manera responsable, ética y efectiva, mejore la productividad y respalde procesos complejos de toma de decisiones.
La estrategia se centra en primer lugar en identificar las partes interesadas, las tareas y las herramientas adecuadas para la adopción de la IA en las actividades de RR. HH. Incluye definir objetivos claros para el uso de la IA, seleccionar herramientas de IA confiables y establecer metodologías para garantizar la transparencia y la rendición de cuentas en los procesos impulsados por la IA. El plan también incorpora mapas de riesgo y auditorías internas para monitorear el impacto de la IA y ayudar a garantizar su uso ético.
La estrategia destaca la necesidad de un enfoque estratégico de planificación de la organización específicamente adaptado para integrar la IA en los procesos de RR. HH. La adopción de herramientas de IA para realizar tareas que tradicionalmente desempeñan los servidores públicos tiene implicaciones significativas y polifacéticas para el MRH. Para garantizar una transición fluida y una planificación sostenible de la fuerza laboral, es esencial anticipar y evaluar eficazmente estos impactos. Este enfoque implica integrar consideraciones relacionadas con la IA en los marcos de planificación de recursos humanos existentes, centrándose en:
Definir las tareas delegadas a la IA, garantizando la alineación con los objetivos operativos y estratégicos;
Evaluar los requisitos de habilidades actuales y futuros, incluidas las competencias específicas de IA y la experiencia complementaria;
Evaluar el impacto de la IA en las profesiones de RR. HH. y las funciones laborales, identificando áreas de mejora de las competencias y de transformación de funciones; y
Atraer y reclutar profesionales con conocimientos sobre IA para que apoyen, orienten y supervisen el uso responsable de la IA en la gestión de recursos humanos.
Para apoyar esta integración, el Gobierno Francés está haciendo hincapié en la formación en IA de los servidores públicos, en particular los directivos y los profesionales de recursos humanos. Ha creado programas de formación integrales para mejorar la calificación de los empleados y ha desarrollado directrices éticas que fusionan los recursos humanos y la ética digital. Este enfoque ayuda a garantizar que la IA se aplique de forma que se equilibre la tecnología con la supervisión humana, al tiempo que se prepara a la organización para el futuro de la IA en la administración pública.
Mejoramiento de los procesos de contratación
La IA puede respaldar la reforma de la función pública durante todo el proceso de contratación, haciéndolo más rápido y eficiente. Las herramientas de IA pueden automatizar tareas transaccionales como redactar descripciones de puestos de trabajo, diseñar metodologías de evaluación adaptadas, comprobar los documentos de antecedentes de los candidatos (por ejemplo, títulos universitarios) y responder a sus consultas. En Singapur, por ejemplo, diez organismos públicos crearon un servicio de contratación con IA para automatizar tareas repetitivas en el proceso de preselección, como la revisión y el screening de solicitudes. Un chatbot diseñado a medida también realiza una prueba escrita, revisando y puntuando el componente escrito de los candidatos. El servicio redujo significativamente la carga de trabajo de las agencias, lo que hizo que el proceso fuera más eficiente y efectiva1. El Reino Unido ha realizado esfuerzos especialmente sólidos en este ámbito (Recuadro 5.20).
Recuadro 5.20. Automatización de la contratación mediante IA en el Reino Unido
Copiar enlace a Recuadro 5.20. Automatización de la contratación mediante IA en el Reino UnidoLa Agencia Tributaria y Aduanera del Reino Unido (HMRC) utiliza una plataforma basada en la IA llamada Outmatch para automatizar el proceso de contratación de principio a fin en el caso de algunos puestos subalternos. Se pide a los candidatos que registren sus respuestas a seis preguntas vinculadas a un marco de competencias. A continuación, la herramienta de IA analiza sus respuestas y les asigna un puntaje. La herramienta está diseñada para gestionar grandes volúmenes de candidatos mediante la automatización de la etapa de evaluación y entrevista.
Un ámbito de gran interés es el uso de herramientas de IA para evaluar, simplificar y redefinir las descripciones de los puestos de trabajo con el fin de atraer a los mejores candidatos. La HMRC también está explorando cómo ayudar a los responsables de contratación con una herramienta de IA capaz de generar descripciones de puestos de trabajo, preguntas para entrevistas y publicaciones en redes sociales, mientras que otro prototipo permite el análisis de los mercados laborales regionales para respaldar campañas de contratación adaptadas. La Oficina del Gabinete ha elaborado una prueba de concepto, el Optimizador de Anuncios de Empleo (JAO, por sus siglas en inglés), que traduce en asesoramiento los resultados de descripciones de puestos de trabajo que anteriormente habían tenido éxito y que tenían objetivos similares. De este modo, los responsables de contratación podrán adaptar sus descripciones de empleo para dirigirse a candidatos de alta calidad con las competencias y la experiencia adecuadas. También se está estudiando la posibilidad de integrar la IA en otros aspectos de la contratación, como el apoyo a los candidatos —desde que identifican una función hasta que aceptan un puesto—, el traslado de un gran número de solicitudes, la programación y planificación de entrevistas, y la adecuación de los candidatos de las listas de reserva a otras funciones disponibles.
Además, la IA aplicada a la contratación en la función pública tiene un gran potencial para ampliar los grupos de candidatos y mejorar la selección de candidatos. A menudo, las administraciones públicas tienen dificultades para ser más proactivas a la hora de contratar personal, para solventar las carencias de competencias de sus administraciones y para impulsar activamente las oportunidades de empleo en el mercado (OECD, 2021[49]). En este sentido, cabe citar, por ejemplo, uno procedente de Canadá en el Recuadro 5.21. Además, en Suecia, el gobierno municipal de Upplands-Bro desarrolló un robot de entrevista con IA adaptado a las necesidades de una empresa privada de consultoría en IA para garantizar un proceso de contratación más preciso y mejorar la eficiencia. Aunque se excluyen los datos relativos a la edad, el sexo, la ropa y el aspecto físico, el bot de IA realiza entrevistas a ciegas y evalúa a los candidatos de la primera ronda2.
Recuadro 5.21. Mayor representación de minorías visibles en el liderazgo de la defensa canadiense
Copiar enlace a Recuadro 5.21. Mayor representación de minorías visibles en el liderazgo de la defensa canadienseEn septiembre de 2020, el Departamento de Defensa Nacional de Canadá (DND, por sus siglas en inglés) lanzó una campaña piloto externa de reclutamiento EX-01 destinada a aumentar la representación de las minorías visibles en el nivel superior. Esta iniciativa puso a prueba nuevos enfoques al tiempo que adoptaba la inclusión, los métodos innovadores y la tecnología con el fin de lograr un cambio fundamental y duradero que ayudara a aumentar la representación y la diversidad e inclusión (D&I) en la DND. Los principales objetivos del programa piloto eran:
Identificar oportunidades para miembros de grupos minoritarios visibles;
Introducir nuevas herramientas y tecnología para apoyar las evaluaciones sin barreras ni sesgos; y
Evaluar el proceso piloto frente a los enfoques tradicionales para identificar barreras y sesgos sistémicos e identificar recomendaciones para futuros procesos de contratación.
En colaboración con diversas partes interesadas, se establecieron barreras de protección adecuadas para garantizar la privacidad y la garantía de calidad. El proceso logró resultados clave al facilitar una evaluación objetiva y justa de los candidatos, al tiempo que eliminó sesgos y barreras en las diversas etapas. Como resultado, este programa piloto creó oportunidades de promoción profesional y mejoró los enfoques y procesos tradicionales para lograr mejores resultados.
Facilitar el aprendizaje y el desarrollo
La reforma de la función pública puede usar la IA generativa para crear contenido didáctico, como módulos de aprendizaje y material didáctico basado en documentos fuente e información. Los esfuerzos ya se están arraigando en todo el mundo. La IA también puede utilizarse para hacer recomendaciones personalizadas y orientar el aprendizaje y el desarrollo profesional a través de una compleja y gran cantidad de información y datos (Johnson, Coggburn and Llorens, 2022[50]). A continuación, algunos ejemplos en estas áreas:
La Comisión Australiana de Servicios Públicos (APSC, por sus siglas en inglés) colaboró recientemente con IBM en 2023 para diseñar, estructurar e implementar un sistema que generara contenido de cursos basado en documentos insertados por los usuarios (Recuadro 5.22).
El Instituto Nacional de Administraciones Públicas (INAP) de España está incorporando la IA en las funciones de organización, catalogación y búsqueda de sus plataformas digitales, oferta de aprendizaje y biblioteca en general. El "gráfico de conocimientos" resultante hace que una gran parte de los recursos sean fácilmente localizables, susceptibles de búsqueda y compartibles con los funcionarios españoles, los países socios y el público en general.
La plataforma de aprendizaje y desarrollo del Ministerio de Gestión del Personal de Corea incorpora funcionalidad basada en IA para ayudar a clasificar, organizar y recomendar contenidos. El sistema de IA que se está implementando pretende analizar el papel del usuario y su historial de aprendizaje para recomendar formación y material para desarrollar determinadas habilidades a partir del vasto catálogo de plataformas de 1,4 millones de piezas de contenido (OECD, 2023[51]).
Recuadro 5.22. Generación de contenido didáctico en Australia
Copiar enlace a Recuadro 5.22. Generación de contenido didáctico en AustraliaLa Comisión Australiana de Administración Pública (APSC) llevó a cabo un proyecto piloto de seis semanas de duración para utilizar la IA con el fin de diseñar, estructurar e implantar un curso de aprendizaje en línea sobre competencias digitales para el liderazgo. El sistema piloto permitió a los profesionales "alimentar" con IA una variedad de materiales de información como artículos, libros y transcripciones de voz en un sistema cerrado de información que se utilizó para crear el contenido del curso. El sistema creó un esquema del curso, objetivos, módulos y contenido, seguido de un cuestionario. Los resultados de la prueba piloto mostraron que alrededor del 60-70 % de lo que el sistema producía era utilizable, relevante, bien estructurado y preciso. En una encuesta realizada a usuarios/as, el 91 % consideró que el resultado del programa piloto era valioso. Para aumentar estas cifras, el profesional que crea el contenido podría dar su opinión al sistema de IA para ajustarlo.
Esta iniciativa reportó varios beneficios. En primer lugar, la redacción fue muy, muy rápida. En segundo lugar, la información se extraía de un sistema cerrado, lo que eliminaba la incertidumbre en torno a dónde venía la información y si era correcta. La tecnología puso de relieve las esferas de los módulos y señaló dónde se había obtenido la información. En tercer lugar, el sistema también incorporaba "comprobadores" programáticos para examinar el material en relación con cuestiones preocupantes, como el lenguaje discriminatorio.
Si bien el sistema piloto podía redactar el contenido del curso muy rápidamente, no creaba contenido listo para la producción e implementación. Los problemas identificados en el programa piloto fueron:
La IA puede sintetizar bien el contenido existente, pero no puede crear contenido que no exista. Por ejemplo, no pudo escribir un curso sobre el uso de la IA en la función pública en esa fase, ya que no existía contenido.
La confiabilidad del contenido todavía requería la revisión de expertos, y es aquí donde normalmente ya existen cuellos de botella en la producción de contenido.
El sistema cerrado proporcionó resultados más precisos; sin embargo, es una opción costosa si solo se utiliza para la producción del curso.
Tras la fase piloto, el APSC reconoce que los sistemas de IA cerrados y locales son útiles para ayudar en la creación de contenidos. Sin embargo, ha remitido una nueva investigación sobre la IA in situ a otro organismo público australiano, Services Australia. Se pueden encontrar más observaciones sobre el uso de la IA por parte de las agencias gubernamentales australianas en sus declaraciones sobre la IA.
Fuente: Información proporcionada a la OCDE por la Comisión de Administración Pública de Australia, https://www.apsacademy.gov.au/news/piloting-generative-ai-address-aps-skills-gap. APSC’s AI statement (https://www.apsc.gov.au/initiatives-and-programs/workforce-information/research-analysis-and-publications/state-service/state-service-report-2023-24/fit-future/supporting-safe-and-responsible-use-artificial-intelligence), Services Australia’s AI statement (https://www.servicesaustralia.gov.au/automation-and-artificial-intelligence-ai-use).
Evidencia de impacto
Dada la naturaleza incipiente de las aplicaciones descritas anteriormente, todavía es demasiado pronto para proporcionar evidencia empírica de su impacto. Los primeros experimentos como los descritos anteriormente muestran un potencial significativo para reducir el tiempo y el esfuerzo necesarios para manejar grandes volúmenes (por ejemplo, número de solicitantes, cantidad de material de aprendizaje existente), ampliar los grupos de candidatos y reducir el error humano en la toma de decisiones. Sin embargo, en la mayoría de los casos, existe una notable falta de pruebas empíricas rigurosas que demuestren su efectividad e impacto. Muchas implementaciones de IA se basan en el potencial teórico o en historias de éxito anecdóticas, en lugar de evaluaciones científicas sólidas. Abordar esta limitación requiere un esfuerzo concertado para diseñar y llevar a cabo evaluaciones rigurosas de las aplicaciones de la IA en la gestión de los RR.HH. Las futuras implementaciones deberían basarse en evidencia empírica y adaptarse a las necesidades y limitaciones específicas de las organizaciones gubernamentales.
Además, hay muchas preguntas sin respuesta sobre los posibles impactos negativos. Por ejemplo, la contratación de herramientas de IA puede ayudar a reducir los errores humanos, dependiendo de cómo se utilicen. Sin embargo, también pueden limitar la autonomía de los gerentes de contratación de maneras que impacten la calidad de la contratación relacionada con la cultura, la idoneidad del equipo u otras decisiones de contratación. También pueden limitar aún más la capacidad de los gerentes para crear sus propios equipos para lograr los resultados que necesitan. La calidad real de las decisiones tomadas a través de los sistemas de IA es difícil de evaluar, ya que requiere una visión a largo plazo del rendimiento y la aptitud para el empleo. Además, hay bases de referencia limitadas para medir. Los sistemas y procesos tradicionales (es decir, anteriores a la IA) se enfrentan a desafíos a la hora de medirlos y evaluarlos, y no hay indicadores estándar acordados, especialmente en sistemas sin medidas objetivas de rendimiento, como suele ocurrir en las administraciones públicas.
Como tal, puede llevar mucho tiempo antes de que los gobiernos puedan medir adecuadamente el impacto real a largo plazo de la calidad de las decisiones impulsada por la IA en comparación con las decisiones tomadas por sistemas tradicionales o seres humanos. También será muy difícil cuantificar el impacto de la IA en la productividad de los sistemas de recursos humanos, ya que existen muy pocas medidas y puntos de referencia comparables estándar. La OCDE está trabajando actualmente con un conjunto básico de países miembros para tratar de establecer este tipo de indicadores, que pueden ayudar a realizar un seguimiento de las mejoras impulsadas por la IA en el futuro.
Gestión de riesgos y desafíos
Riesgos asociados
"Sesgo de automatización".
Datos inadecuados o sesgados en los sistemas de IA.
Uso indebido o cuestionable de la IA, que genera problemas de vigilancia y privacidad.
Falta de transparencia y explicabilidad.
En el ámbito de la reforma de la función pública existe un riesgo documentado del llamado sesgo de automatización, por el que los seres humanos prefieren no cuestionar los resultados de los asistentes para la toma de decisiones automatizadas, incluso cuando tienen la responsabilidad y la responsabilidad últimas de tomar la decisión final. Para optimizar el uso de la IA en la reforma de la función pública será necesario mejorar las capacidades analíticas estratégicas en muchas actividades de RR. HH. y entre los responsables de contratación (Broecke, 2023[52]).
Otro desafío bien documentado se refiere a evitar, detectar y abordar la parcialidad en los propios sistemas de IA, en particular si se está utilizando la IA para fundamentar la toma de decisiones relacionadas con la selección de empleo y el avance profesional. El problema es que los datos históricos de cualquier organización se basan en decisiones pasadas tomadas por humanos, y existe un riesgo significativo de que los sistemas de IA codifiquen estas perspectivas en sus algoritmos. Si a esto se añade la falta general de buenos datos de los empleados y de indicadores de rendimiento, resulta difícil imaginar cómo podría ofrecerse un asesoramiento personalizado de calidad a través de estos sistemas de IA. La introducción de cualquier sistema en este ámbito requerirá mecanismos de supervisión y evaluación cuidadosos para detectar y corregir los sesgos (Johnson, Coggburn and Llorens, 2022[50]).
Los derechos a la privacidad y los datos de los servidores públicos requieren una atención especial en un contexto de servicio público, en el que valores como el mérito y la equidad orientan la contratación, limitando de forma inherente los tipos de datos que pueden utilizarse en los sistemas de IA. Por ejemplo, algunas herramientas de contratación del sector privado comprueban periódicamente las cuentas en redes sociales de los solicitantes y utilizan estos datos para evaluar a los candidatos. Hay poca evidencia empírica de que las publicaciones en medios sociales o las características físicas que pueden evaluarse en las entrevistas en video tengan algún impacto real en el desempeño laboral. Esto plantea interrogantes éticos y de efectividad sobre muchas herramientas de evaluación basadas en la IA actualmente disponibles en el mercado (Broecke, 2023[52]).
El uso de herramientas de "gestión algorítmica" —software para automatizar aspectos de la gestión, por ejemplo, en la asignación de horarios de trabajo, el seguimiento de las actividades laborales o la fijación de objetivos para los trabajadores— está aumentando significativamente, alcanzando una tasa de adopción del 90 % en las empresas estadounidenses y del 79 % en la Unión Europea (Milanez, Lemmens and Ruggiu, 2025[53]). Hasta la fecha, no se han realizado estudios específicos de los gobiernos. Si bien algunas de estas herramientas pueden ayudar a aumentar la productividad cuando se aplican de manera efectiva, se han planteado preocupaciones tangibles sobre los impactos negativos existentes de la IA y las herramientas algorítmicas en la calidad del empleo, incluida la intensificación del trabajo, el aumento del estrés y la reducción percibida de la equidad (OECD, 2023[54]). La IA podría hacer que los trabajos sean menos gratificantes al incentivar nuevos tipos de vigilancia en el lugar de trabajo que podrían perjudicar la salud mental (APA, 2023[55]), o nuevas formas de "taylorismo digital" hipereficiente pero agotador en las que el trabajo está sujeto a una mayor vigilancia y regulación (UC Berkeley, 2021[56]). La gestión de tareas mediante IA también puede tener el potencial de erosionar la autonomía y la voz de los trabajadores, reduciendo así la percepción humana sobre cómo se gestiona el trabajo (Gmyrek, Berg and Bescond, 2023[57]). Muchas de las herramientas de IA de RR. HH. existentes están diseñadas para "optimizar" la gestión de la organización (por ejemplo, supervisar, controlar y reducir la autonomía en la toma de decisiones y la resolución de problemas), en contra de décadas de ciencia que demuestra cómo el empoderamiento de los empleados fomenta el compromiso, el rendimiento y la confianza. Algunas investigaciones sugieren que encuadrar la IA como una herramienta utilizada para apoyar a los empleados, en lugar de sustituirlos o limitar su autonomía, es fundamental para fomentar percepciones positivas de la IA en el lugar de trabajo (Brougham and Haar, 2017[58]).
Cuanto más complejos se vuelven los sistemas y las predicciones de IA, menos se pueden entender y explicar. Esto reduce la rendición de cuentas si los empleadores no pueden explicar sus decisiones y obstaculiza la capacidad de los empleados para comprender cómo desarrollarse para avanzar en sus carreras. Los sistemas de contratación basados en el mérito son la base del buen funcionamiento de los sistemas públicos de empleo, y para que funcionen correctamente se requieren transparencia y rendición de cuentas. Los empleados y sus empleadores necesitan entender claramente por qué se toman las decisiones de nombramiento, y cómo se analizan las habilidades y el desempeño de las personas (Cappelli and Rogovsky, 2023[59]).
Desafíos de implementación
Falta de datos de alta calidad y capacidad para compartirlos.
Explicabilidad.
Brechas de habilidades.
Disponer de datos de calidad es esencial para implementar la IA en la reforma de la función pública. Lamentablemente, los países de la OCDE carecen de grandes cantidades de datos en la mayoría de las áreas relevantes, y a menudo no están estandarizados sistemáticamente en todas las organizaciones para permitir un análisis más riguroso y predictivo. Los datos descriptivos suelen limitarse a la edad, el sexo, el nivel educativo y la trayectoria profesional. Es muy difícil evaluar el rendimiento de forma objetiva y coherente en los distintos equipos y organizaciones. Los puestos de trabajo también suelen clasificarse de forma amplia. Si la IA se basa en datos erróneos o incompletos, hará malas predicciones.
La implementación de IA en los sistemas de gestión de la función pública requiere profesionales de recursos humanos con las habilidades y la mentalidad adecuadas. Aunque puede que no se requieran conocimientos técnicos sobre IA, los responsables de RR. HH. tendrían que entender la posible aplicación de la IA a sus sistemas y contar con las competencias adecuadas para ser compradores inteligentes de herramientas en el mercado. Los profesionales de recursos humanos que trabajan con herramientas de IA suelen necesitar capacidades analíticas para comprender los principios de estas herramientas y el uso que hacen de la analítica de datos, con el fin de interpretar y cuestionar los resultados. Aunque abundan en las administraciones públicas, los departamentos de RR. HH. carecen a menudo de las competencias en IA necesarias.
Potencial sin explotar y camino a seguir
Analítica fortalecida para el presente y el futuro
Las organizaciones gubernamentales podrían recopilar una gran cantidad de datos e información sobre sus empleados que podrían analizarse para mejorar el rendimiento y la experiencia de los empleados; sin embargo, la IA suele estar infrautilizada en el ámbito de los recursos humanos debido a varios desafíos. Las capacidades de IA podrían permitir a los profesionales y a la dirección de RR. HH. examinar las tendencias actuales de la organización (envejecimiento, competencias y rendimiento, remuneración) para ofrecer una visión clave de los principales desafíos y cuestiones del día a día: atractivo o competitividad del gobierno como empleador; necesidades de recalificación y mejora de las competencias; oportunidades de aprendizaje y desarrollo mejor orientadas; o los factores que impulsan el rendimiento y la satisfacción de los empleados y del equipo.
Los algoritmos de IA pueden utilizar datos de series temporales para el análisis predictivo con el fin de identificar tendencias y hacer predicciones sobre la función pública en relación con el futuro. Si bien se puede lograr un análisis de regresión simple sin IA, se podrían desarrollar operaciones más sofisticadas con modelos y creación de escenarios más complejos. Por ejemplo, las organizaciones podrían reducir potencialmente la rotación de los empleados al predecir los empleados de alto riesgo para la salida en función de su permanencia en un puesto, sus niveles de compromiso del equipo y otros factores. Mediante el análisis de grandes conjuntos de datos, la IA puede identificar factores y patrones que generan una rotación excesiva, lo que resulta costoso para las organizaciones y va en detrimento del rendimiento, y permite a los profesionales adoptar medidas preventivas para mejorar. Además de la rotación de personal, el análisis predictivo puede ayudar en la planificación de la fuerza laboral al anticipar la escasez de habilidades o personal, predecir los mejores desempeños para tipos específicos de roles, apoyar la diversidad y la inclusión, o impulsar el compromiso y el bienestar.
Actualmente, estas aplicaciones son extremadamente incipientes en la fuerza laboral gubernamental; la OCDE todavía no ha podido identificar muchos casos de uso concretos en esta área. Es probable que esto se deba a una variedad de desafíos, como los enumerados anteriormente, así como a preocupaciones éticas y de privacidad válidas, que se detallan más adelante.
Camino a seguir
Las herramientas de IA pueden brindar a los líderes una nueva oportunidad de desarrollar una visión y una dirección estratégicas para su servicio público y las actividades de RR. HH. necesarias para lograrlo. La IA tiene el potencial de remodelar la organización y aumentar sus competencias en muchas áreas. En el ámbito de los recursos humanos, la IA puede acelerar los procesos de RR. HH., mejorar la focalización de los servicios, el conocimiento y las campañas de contratación/marca, y generar información valiosa para los directores de RR. HH. y los altos directivos sobre una serie de cuestiones, desde las futuras carencias en materia de competencias hasta la efectividad en la contratación. La IA puede ser una herramienta transformadora en el aprendizaje y el desarrollo, al aportar conocimientos a los servidores públicos y, al mismo tiempo, desarrollar sus habilidades y capacidades esenciales. Todo esto depende de una visión clara de cómo debería ser la futura función pública, respaldada por recursos y equipos de recursos humanos capaces. Esto implica una estrategia conjunta para el desarrollo de la fuerza laboral en la que la IA desempeñe un papel clave.
Aumentar la transparencia y dar a los empleados una explicación y capacidad de impugnar las decisiones automatizadas. Los estudios sugieren que muchos candidatos y empleados pueden percibir los procesos de evaluación automatizada como más justos que los realizados por humanos si entienden cómo funcionan y por qué se los está utilizando, siempre y cuando confíen en que un humano será responsable de la decisión final (Broecke, 2023[52]). Esta transparencia debe incluir los insumos para la decisión, asegurando que se tenga cuidado de obtener el consentimiento informado y gestionar los problemas de privacidad de los empleados. Los gobiernos deben disponer de una base empírica clara para los datos de partida que decidan utilizar.
Incluir a los profesionales de RR. HH. y otros empleados en el diseño, la implementación y la evaluación de las herramientas de RR. HH. e IA. Los gobiernos deben ser especialmente cautelosos a la hora de introducir herramientas de IA que puedan reducir la autonomía de los empleados. En algunos casos, la automatización impulsada por la IA podría reducir la autonomía de los trabajadores y devaluar su experiencia, lo que daría lugar a una menor motivación, participación y compromiso. Esto es especialmente cierto cuando las herramientas de IA se aplican directamente para optimizar su productividad, orientándolas sobre cómo usar su tiempo y monitoreando sus actividades laborales. Esto puede tener consecuencias adversas no deseadas; puede aumentar el estrés y la ansiedad, lo que podría aumentar la ausencia del trabajo y la rotación de personal, reduciendo así la productividad a largo plazo. Estas consecuencias pueden evitarse incluyendo a profesionales de RR. HH. y a otros empleados en el diseño, la implementación y la evaluación de las herramientas de RR. HH.
Mejorar la calificación de los profesionales de RR. HH. y recalificarlos para la era de la IA. La automatización tiene muchas ventajas y reduce la carga administrativa para los profesionales de RR. HH. y los empleados a los que prestan apoyo. Pueden encargarse de muchas de las tareas repetitivas y aburridas, dejando que los profesionales de RR. HH. se centren en tareas más complejas y de mayor valor añadido. Entre ellas se incluyen la resolución de casos complejos, la contratación de trabajadores más especializados y el desarrollo de estrategias (OECD, 2024[60]). Sin embargo, en muchos casos, esto requerirá mejorar y recalificar a la profesión de RR. HH. En el caso de algunos tipos de empleados, los gobiernos tendrán que invertir en la mejora de las competencias en áreas más técnicas, como la ciencia de datos y la programación, para ayudar a los profesionales de RR. HH. a comprender y utilizar los sistemas de IA de forma efectiva.
Si los sistemas de IA se utilizan como entrada en las evaluaciones de los candidatos, los gobiernos deberían disponer de personas bien calificadas que interpreten los resultados y tomen las decisiones finales. Los gobiernos deben tener cuidado de diseñar un "sesgo de automatización". Esto puede incluir realizar primero evaluaciones tradicionales y, a continuación, añadir información sobre la IA después, para ofrecer información adicional sobre una breve lista de candidatos. De este modo, la IA puede ayudar a auditar las prácticas de contratación y mejorar la toma de decisiones humanas sin sustituirla. Esto es esencial para garantizar el nivel adecuado de responsabilidad necesario para la toma de decisiones basada en el mérito en los servicios públicos.
Al tiempo que incorporan la IA en el ámbito de la analítica de personas, los gobiernos deben perseguir los beneficios de la IA teniendo en cuenta los costos y los riesgos. También deben tener establecidos determinados requisitos previos, como datos rigurosos y confiables, capacidades estadísticas para comprender y verificar los resultados y análisis generados por la IA y sus debilidades, y medidas para proteger la privacidad de los empleados y evitar sesgos.