Supuesto 13
Enunciado
Inditex anunció en octubre de 2023 el despliegue de un sistema de Inteligencia Artificial Generativa (IAG) en sus procesos de Recursos Humanos: asistente conversacional para candidatos en el proceso de selección, análisis predictivo de rotación y sistema de recomendación de formación personalizada. El proyecto, desarrollado en colaboración con Microsoft (Azure OpenAI), fue presentado como un ejemplo de “transformación digital responsable” en la convención interna de RRHH celebrada en A Coruña en enero de 2024. Sin embargo, la iniciativa plantea tensiones éticas y organizativas de primer orden que han generado debate interno y escrutinio externo.
Se dispone de los siguientes datos:
Escala del proyecto: 165.000 empleados globales | 12.000 procesos de selección anuales en España | 18 % de rotación anual en tiendas (benchmark sector: 22 %)
Microsoft WorkLab 2023: El 70 % de empleados que usan IA en el trabajo reportan menos estrés cognitivo en tareas rutinarias, pero el 54 % teme que la IA evalúe su rendimiento sin supervisión humana.
AI Act (Reglamento UE 2024/1689): Los sistemas de IA utilizados para selección de personal, gestión del rendimiento y ascensos se clasifican como “alto riesgo” (Anexo III). Obligaciones: transparencia, supervisión humana, derecho a explicación de decisiones automatizadas, evaluación de impacto.
Estimación de coste-beneficio Inditex: Inversión en IA-RRHH: 8,5 M€/año | Ahorro estimado por reducción de rotación de 18 % a 15 %: 12.400 M€ × 3 % × 9.500 € coste rotación = 35,4 M€/año
Se pide:
- Apartado a) Identificar los procesos de RRHH donde la IA generativa aporta mayor valor y clasificarlos según el marco de “trabajo aumentado vs. trabajo sustituido” de Autor (2015).
- Apartado b) Calcular el ROI del proyecto de IA en RRHH a 3 años usando los datos del enunciado, e interpretar sus limitaciones.
- Apartado c) Diseñar un sistema de KPIs de IA en RRHH que incluya tanto métricas de eficiencia como métricas de equidad (sesgos algorítmicos, representatividad de colectivos).
- Apartado d) Analizar las obligaciones de Inditex bajo el AI Act 2024 para los sistemas de selección y gestión del rendimiento clasificados como “alto riesgo”.
- Apartado e) Debate crítico: ¿La digitalización de los RRHH refuerza o socava la agencia de los trabajadores? Perspectiva crítica de Selwyn (2019) frente al optimismo tecnológico de Brynjolfsson-McAfee (2014).
- Apartado f) Implicaciones para el aula: cómo tratar la IA en los RRHH en la asignatura de Economía de la Empresa de Bachillerato.
Mostrar solución
David Autor (Why Are There Still So Many Jobs?, JEP, 2015) distingue entre tareas rutinarias (susceptibles de automatización: procesamiento de información estructurada, aplicación de reglas fijas) y tareas no rutinarias (difíciles de automatizar: juicio complejo, empatía, creatividad, negociación). Su marco predice que la IA sustituye tareas rutinarias, aumenta las no rutinarias y polariza el mercado laboral hacia los extremos de la distribución salarial.
Aplicado a los RRHH de Inditex:
Trabajo sustituido (automatizable): criba de currículums según criterios predefinidos; respuesta a preguntas frecuentes de candidatos (chatbot); generación de contratos estándar; análisis estadístico de absentismo; reportes de formación completada.
Trabajo aumentado (IA como co-piloto): entrevista de selección (el sistema sugiere preguntas basadas en el perfil, pero el entrevistador decide); diagnóstico de clima organizativo (el sistema detecta patrones en las encuestas, pero el responsable de RRHH interpreta el contexto local); diseño de planes de carrera (la IA recomienda rutas basadas en datos de mercado, el manager personaliza).
Trabajo irremplazable: gestión de conflictos laborales; negociación colectiva; decisiones de despido; apoyo emocional en situaciones de crisis personal.
El valor de la IAG en RRHH se concentra en el “trabajo aumentado”: libera tiempo para las tareas de alta complejidad relacional. El riesgo es que las empresas la desplieguen principalmente para el “trabajo sustituido” con el objetivo de reducir plantilla en RRHH.
El cálculo del ROI de una inversión en tecnología RRHH requiere distinguir beneficios cuantificables y beneficios intangibles.
Inversión total a 3 años:
Beneficio anual por reducción de rotación: La rotación en tiendas pasa de 18 % a 15 %. La plantilla española de tiendas es de aproximadamente 35.000 empleados × 18 % = 6.300 salidas anuales actuales; con IA, 35.000 × 15 % = 5.250 salidas. Reducción = 1.050 personas. Coste de rotación por empleado de tienda (reclutamiento + selección + formación + productividad perdida): 9.500 €.
Beneficio adicional por eficiencia en selección: 12.000 procesos × reducción de 40 % de horas de cribado a 3 horas de técnico RRHH (coste hora 25 €) × 40 % = 12.000 × 3 × 0,4 × 25 = 360.000 €/año.
Limitaciones del cálculo: (i) La reducción de rotación puede deberse a otros factores (mejora salarial, ciclo económico); (ii) el coste no incluye la formación de los técnicos de RRHH para trabajar con la IA; (iii) los costes de cumplimiento del AI Act (auditorías, documentación técnica) no están recogidos y pueden ser significativos.
ROI estimado a 3 años: 21,9 %. Positivo pero moderado. El proyecto se justifica económicamente sólo si la reducción de rotación se materializa. El valor intangible (mejora del employer branding, reducción de sesgos en selección) puede ser igual o superior al cuantificable.
Un sistema de KPIs robusto para IA en RRHH debe equilibrar cuatro dimensiones: eficiencia operativa, calidad de decisión, equidad y bienestar del empleado.
Dimensión 1 — Eficiencia: Tiempo medio de criba por proceso (objetivo: reducción del 40 %); tasa de abandono del proceso de selección digital (objetivo: menor que 15 %); tiempo hasta contratación (objetivo: menor que 21 días).
Dimensión 2 — Calidad de decisión: Tasa de retención a 12 meses de los candidatos seleccionados con asistencia IA vs. sin IA; rendimiento a 6 meses (evaluación de manager vs. predicción del sistema); correlación entre puntuación del algoritmo y evaluación de desempeño a 1 año.
Dimensión 3 — Equidad (sesgos algorítmicos): Tasa de paso de criba por género, edad y origen (objetivo: diferencia menor a 5 puntos porcentuales entre grupos); Índice de Disparate Impact (DI = tasa de selección del grupo minoritario / tasa del mayoritario; umbral legal: DI mayor que 0,8 según doctrina EEOC); auditoría anual de sesgos por tercero independiente (obligación AI Act).
Dimensión 4 — Bienestar: Porcentaje de empleados que perciben las decisiones de RRHH como “justas y explicables” (encuesta semestral, objetivo mayor que 65 %); número de solicitudes de revisión humana de decisión automatizada.
El KPI más crítico para el AI Act es el Índice de Disparate Impact: si el sistema de criba selecciona candidatos de ciertos grupos a menos del 80 % de la tasa del grupo de referencia, el sistema tiene sesgo discriminatorio que obliga a revisión del algoritmo.
El Reglamento (UE) 2024/1689 de Inteligencia Artificial, en vigor desde agosto de 2024 con plena aplicación de los sistemas de alto riesgo desde agosto de 2026, clasifica en su Anexo III como sistemas de IA de “alto riesgo” los utilizados en: empleo y gestión de trabajadores (criba de candidaturas, toma de decisiones de ascenso, evaluación de rendimiento, supervisión del comportamiento).
Obligación 1 — Evaluación de Conformidad: Antes del despliegue, Inditex debe realizar una evaluación técnica de conformidad que certifique que el sistema está diseñado con datos representativos, que el impacto en grupos vulnerables ha sido evaluado y que los resultados del sistema son reproducibles y auditables.
Obligación 2 — Transparencia y derecho a explicación: Cualquier trabajador o candidato cuya candidatura sea filtrada o cuyo rendimiento sea evaluado por el sistema tiene derecho a una explicación comprensible de la lógica del sistema (no un dump de pesos del modelo). Inditex debe diseñar interfaces de explicación “en lenguaje natural” (art. 13 AI Act).
Obligación 3 — Supervisión humana significativa: Las decisiones finales de selección, ascenso o despido no pueden ser tomadas exclusivamente por el sistema. Debe existir un responsable humano identificado que revise y pueda invalidar la recomendación del sistema (art. 14). El responsable debe tener formación suficiente para interpretar las salidas del modelo.
Obligación 4 — Registro y documentación técnica: Mantener un registro de todos los inputs, outputs y decisiones del sistema durante al menos 10 años; documentación técnica del modelo disponible para la Autoridad Nacional de Control (en España, la AESIA — Agencia Española de Supervisión de la Inteligencia Artificial).
El AI Act convierte el cumplimiento regulatorio en un factor de competitividad: las empresas que no garanticen supervisión humana real (no simbólica) en las decisiones de RRHH se exponen a sanciones de hasta el 3 % del volumen de negocio mundial (art. 99 AI Act).
Neil Selwyn (Should Robots Replace Teachers?, 2019; Is Technology Good for Education?, 2016) representa la perspectiva crítica de los estudios de ciencia, tecnología y sociedad (STS): la tecnología digital en los entornos laborales y educativos no es neutral — incorpora los valores y las relaciones de poder de quienes la diseñan, y tiende a reproducir y amplificar las desigualdades existentes. Aplicado a la IA en RRHH: un algoritmo entrenado con datos históricos de Inditex puede codificar sesgos pasados de selección (sobrerepresentación de ciertos perfiles, infrarrepresentación de colectivos) y presentarlos como “evidencia objetiva”.
Erik Brynjolfsson y Andrew McAfee (The Second Machine Age, 2014) defienden el optimismo tecnológico: la IA aumenta la productividad, reduce las tareas cognitivas rutinarias y puede reducir los sesgos humanos (que son peores que los algorítmicos cuando se auditan correctamente). Los estudios de Amazon (2018, donde el algoritmo de selección fue desactivado por sesgo contra mujeres) y LinkedIn (2022, algoritmo de recomendación con sesgo racial documentado) les dan la razón a los críticos en el corto plazo.
La tensión entre Selwyn y Brynjolfsson-McAfee no se resuelve con una posición ideológica, sino con diseño institucional: la IA en los RRHH refuerza la agencia del trabajador si existe supervisión humana real, auditoría externa de sesgos, derecho a impugnación y transparencia algorítmica. La socava cuando se despliega como “eficiencia operativa” sin ninguno de estos mecanismos. El AI Act 2024 es precisamente el intento europeo de imponer ese diseño institucional como obligación legal, no como opción ética voluntaria. Para el docente de Economía de la Empresa, este supuesto ilustra una tensión central del capitalismo contemporáneo: la tecnología puede ser emancipadora o disciplinaria — depende de quién la controla, cómo se audita y qué derechos tiene el trabajador frente a ella.
En el currículo de Economía de la Empresa de 2 Bachillerato (LOMLOE, Real Decreto 243/2022), la gestión de los recursos humanos es un contenido central del Bloque 3 (“La función de los recursos humanos”). La irrupción de la IA en los RRHH permite conectar este contenido con competencias digitales (CE7) y con la reflexión ética sobre el impacto tecnológico en el trabajo (ODS 8).
Propuesta didáctica basada en el caso Inditex: el docente presenta los datos del enunciado (rotación, inversión, ahorro estimado) y divide la clase en cuatro grupos con roles: equipo directivo de RRHH (maximizar ROI), representantes sindicales (garantizar derechos), técnico de compliance del AI Act (asegurar legalidad) y candidatos al proceso de selección (perspectiva del afectado). Cada grupo defiende su posición en un debate simulado. El docente cierra con la pregunta de Autor (2015): ¿qué tipo de trabajo queremos que hagan los humanos en 2040?
La metodología de aprendizaje basado en problemas (ABP) es especialmente eficaz para este contenido porque el dilema IA-empleo no tiene una respuesta correcta única, lo que obliga al alumnado a argumentar con datos, autores y marcos teóricos — exactamente las competencias que evalúa la EBAU.