Ir al contenido
K W
EU AI Act: No alto riesgo Q1

Employee Self-Service Agent

Responde consultas de RRHH al instante - sin crear un ticket.

Responde preguntas sobre políticas de RRHH, guía transacciones de autoservicio y enruta casos complejos al especialista adecuado.

Analizar su proceso
Airbus Volkswagen Shell Renault Evonik Vattenfall Philips KPMG

Intent por IA, evaluación por reglas, escalado con contexto

El agente clasifica consultas entrantes de empleados mediante reconocimiento de intenciones por IA, las evalúa contra marcos normativos internos digitalizados de forma determinista y enruta casos poco claros con contexto completo al área competente - en lugar de un correo de repregunta vacío.

Resultado: Entre el 60 y el 80 por ciento de las consultas estándar se resuelven sin ticket de RRHH, con una media de 12 a 18 minutos de descarga por caso y expediente de decisión completo por respuesta.

50% Motor de reglas
50% Agente IA
0% Humano

Detrás hay una categorización clásica en tres tipos de pregunta que se repite así en los centros de servicio de RRHH:

Cuatro días para un dato del sistema de nómina

Lunes por la mañana, 8:14. La nómina del viernes contiene una partida que un empleado no puede identificar. Escribe un correo a RRHH. El martes recibe acuse de recibo. El miércoles, la pregunta de si se refiere a la nómina del mes actual. El jueves, la respuesta: era el ajuste de la aportación al plan de ahorro que él mismo solicitó en enero. Cuatro días para una información que habría sido recuperable del sistema de nómina en 20 segundos.

Este caso no es un caso aislado. Es el estado normal.

La sobrecarga silenciosa del centro de servicios de RRHH

En una empresa con 2.000 empleados llegan entre 800 y 1.200 consultas de RRHH al mes. Son saldos de vacaciones, certificados, preguntas sobre beneficios, formularios, consultas sobre plazos, preguntas sobre nómina. Los estudios intersectoriales muestran: entre el 60 y el 80 por ciento de estas consultas son fácticamente triviales. La respuesta está en un sistema, una política o un convenio colectivo. Nadie necesita pensar, sopesar ni decidir. Sin embargo, cada consulta individual consume una media de 12 a 18 minutos - abrir ticket, entender el contexto, consultar sistema, responder, documentar.

Eso se acumula. Tres puestos a jornada completa que esencialmente funcionan como motor de búsqueda humano entre empleados y sistemas de RRHH. No porque las preguntas sean difíciles, sino porque falta la vía de acceso.

El coste por consulta en centros de servicio internos se sitúa en promedio entre 15 y 25 EUR (16 y 27 USD). Con 900 consultas al mes y una tasa de automatización del 70 por ciento, el potencial de ahorro asciende a entre 135.000 y 190.000 EUR (148.500 a 209.000 USD) al año - calculado de forma conservadora, sin costes de oportunidad por los casos que quedan pendientes porque el centro de servicios está ocupado respondiendo consultas sobre días de vacaciones restantes.

Tres categorías de consulta, tres lógicas de tratamiento

No toda consulta de un empleado es igual. El paso decisivo es la descomposición en categorías con lógicas de tratamiento diferenciadas:

Consulta recibida
    |
    +-- CONSULTA FÁCTICA ────────── Respuesta desde sistema fuente
    |   Vacaciones restantes,           directa, en tiempo real,
    |   fecha de pago, derecho          sin intervención humana
    |   a beneficios, nómina
    |
    +-- CONSULTA DE REGLAS ──────── Respuesta desde normativa
    |   Plazo de preaviso, permiso      Se aplica la regla,
    |   de paternidad, vacaciones       resultado con fuente citada
    |   especiales, fin de prueba
    |
    +-- CONSULTA DE JUICIO ──────── Derivación a especialista
        Reclamación, conflicto,         Routing por tema, centro
        caso excepcional,               y nivel de escalación
        interpretación

Las consultas fácticas son el grueso y son completamente automatizables. Requieren acceso de lectura a sistemas fuente - nómina, control horario, plataforma de beneficios - y un esquema de permisos que garantice que cada persona solo vea sus propios datos.

Las consultas de reglas son el segundo gran bloque. Aquí la respuesta no está en un campo de base de datos, sino en un convenio colectivo, una normativa o una política interna. Un sistema basado en reglas puede responder estas preguntas si los marcos normativos están digitalizados y estructurados - e identifica la fuente para que la respuesta sea verificable.

Las consultas de juicio son el resto. Del diez al veinte por ciento, pero exactamente los casos para los que los profesionales de RRHH están formados. Situaciones de conflicto, valoraciones de casos excepcionales, asuntos emocionales. Estos casos no se automatizan, sino que se derivan: a la persona correcta, en el centro correcto, con el contexto correcto.

Por qué los empleados siguen enviando correos

La mayoría de las empresas ya tienen portales de autoservicio. Aun así, el volumen de tickets permanece alto. La razón es casi siempre la misma: el portal no responde preguntas - ofrece formularios. Quien quiere saber si el permiso especial por mudanza aplica también a una mudanza dentro de la misma ciudad encuentra en el portal un PDF del convenio colectivo. Pero no una respuesta.

La diferencia entre un portal de documentos y un agente de autoservicio es la diferencia entre una biblioteca y un asesor. Ambos tienen el mismo conocimiento. Pero solo uno entiende la pregunta y da una respuesta que se ajusta al caso concreto.

Eso cambia fundamentalmente la expectativa de los empleados. Quien recibe en segundos una respuesta correcta y basada en fuentes no abre más tickets. Los estudios sectoriales muestran: los sistemas de autoservicio con capacidad real de respuesta reducen el volumen de tickets de RRHH entre un 60 y un 80 por ciento. Las consultas restantes son las que requieren juicio humano - y por fin reciben la atención que merecen.

La infraestructura detrás de la respuesta

Este agente no es solo una ganancia de productividad para el centro de servicios. Construye tres componentes de infraestructura que necesita cada agente posterior que interactúe con empleados:

El reconocimiento de intención aprende a categorizar las preguntas de los empleados. Este modelo lo reutilizan el Onboarding Agent, el Leave of Absence Agent y cualquier otro agente que procese consultas en lenguaje natural.

El esquema de permisos define qué rol puede ver qué datos. Una vez construido, aplica a cada función de autoservicio en cada fase posterior.

El routing de escalación determina adónde van los casos que no pueden resolverse automáticamente. Este routing por tema, centro y nivel de escalación es la base para cada traspaso agente-persona en todo el Decision Layer.

Por eso este agente va al principio. No porque sea el más espectacular, sino porque entrega la infraestructura sobre la que se construye todo lo que sigue - y al mismo tiempo la prueba más visible de que la inversión se justifica. Cada día, desde el primer lunes después del go-live.

Tabla de microdecisiones

¿Quién decide en este agente?

6 pasos de decisión, separados por decisor

50%(3/6)
Motor de reglas
determinístico
50%(3/6)
Agente IA
basado en modelo con confianza
0%(0/6)
Humano
asignación explícita
Humano
Motor de reglas
Agente IA
Cada fila es una decisión. Expanda para ver el registro de decisión y si se puede impugnar.
Clasificar consulta Determinar tipo de consulta (política, transacción, reclamación, otro) Agente IA

Clasificación en lenguaje natural de la intención del empleado

Registro de decisión

Versión del modelo y puntuación de confianza
Datos de entrada y resultado de clasificación
Justificación de la decisión (explicabilidad)
Rastro de auditoría con trazabilidad completa

Impugnable: Sí - completamente documentado, revisable por humanos, objeción mediante proceso formal.

Recuperar política aplicable Seleccionar versión correcta de política para jurisdicción y grupo del empleado Motor de reglas

Selección de política basada en reglas según atributos del empleado

Registro de decisión

ID de la regla y número de versión
Datos de entrada que activaron la regla
Resultado del cálculo y fórmula aplicada

Impugnable: Sí - aplicación de la regla verificable. Objeción posible por datos incorrectos o versión de regla errónea.

Generar respuesta Formular respuesta basada en contenido de política y contexto del empleado Agente IA

Respuesta generada por IA fundamentada en documentos de política verificados

Registro de decisión

Versión del modelo y puntuación de confianza
Datos de entrada y resultado de clasificación
Justificación de la decisión (explicabilidad)
Rastro de auditoría con trazabilidad completa

Impugnable: Sí - completamente documentado, revisable por humanos, objeción mediante proceso formal.

Determinar si requiere transacción Identificar si la consulta requiere transacción en sistema vs. solo información Motor de reglas

Reglas de clasificación que mapean tipos de consulta a acciones

Registro de decisión

ID de la regla y número de versión
Datos de entrada que activaron la regla
Resultado del cálculo y fórmula aplicada

Impugnable: Sí - aplicación de la regla verificable. Objeción posible por datos incorrectos o versión de regla errónea.

Escalar casos complejos Enrutar a especialista de RRHH cuando la confianza es baja o el tema es sensible Agente IA

Umbral de confianza y clasificación de sensibilidad de tema

Registro de decisión

Versión del modelo y puntuación de confianza
Datos de entrada y resultado de clasificación
Justificación de la decisión (explicabilidad)
Rastro de auditoría con trazabilidad completa

Impugnable: Sí - completamente documentado, revisable por humanos, objeción mediante proceso formal.

Registrar interacción Registrar tipo de consulta, resolución y escalado para analítica Motor de reglas

Registro automatizado para medición de calidad de servicio

Registro de decisión

ID de la regla y número de versión
Datos de entrada que activaron la regla
Resultado del cálculo y fórmula aplicada

Impugnable: Sí - aplicación de la regla verificable. Objeción posible por datos incorrectos o versión de regla errónea.

Registro de decisión y derecho a impugnar

Cada decisión que este agente toma o prepara se documenta en un registro de decisión completo. Los empleados afectados pueden revisar, comprender e impugnar cada decisión individual.

¿Qué regla en qué versión se aplicó?
¿En qué datos se basó la decisión?
¿Quién (humano, motor de reglas o IA) decidió - y por qué?
¿Cómo puede la persona afectada presentar una objeción?
Cómo el Decision Layer lo implementa arquitectónicamente →

¿Este agente encaja en su proceso?

Analizamos su proceso concreto y mostramos cómo este agente se integra en su entorno de sistemas. 30 minutos, sin preparación necesaria.

Analizar su proceso

Notas de governance

EU AI Act: No alto riesgo
No clasificado como alto riesgo bajo el Reglamento de IA - el agente proporciona información y facilita transacciones sin tomar decisiones que afecten al empleo. Los requisitos del RGPD aplican al almacenamiento y tratamiento del contenido de las consultas. Los empleados deben ser informados de que interactúan con un sistema de IA (obligación de transparencia del Reglamento de IA, artículo 50). Los registros de conversación deben tener períodos de retención definidos. Los derechos de información del Comité de Empresa conforme al artículo 64 del Estatuto de los Trabajadores aplican respecto a la introducción de canales de comunicación con empleados asistidos por IA.

Evaluación

Agent Readiness 81-88%
Governance Complexity 11-18%
Economic Impact 66-73%
Lighthouse Effect 36-43%
Implementation Complexity 26-33%
Volumen de transacciones Diario

Requisitos previos

  • Documentos de políticas de RRHH y convenios colectivos digitalizados como base de conocimiento estructurada
  • Portal de empleados o plataforma de mensajería para interfaz conversacional
  • Sistema de gestión de casos de RRHH para enrutamiento de escalados
  • Acceso a datos maestros del empleado para respuestas personalizadas
  • Reglas de escalado definidas: qué temas siempre van a un humano

Contribución a la infraestructura

El Employee Self-Service Agent fuerza la digitalización y estructuración de documentos de políticas de RRHH y convenios colectivos - un prerrequisito del que dependen el Policy Document Agent, el Compliance Training Agent y el Onboarding Workflow Agent. La lógica de enrutamiento de escalado construida aquí se convierte en la plantilla para patrones de traspaso humano-IA en todo el ecosistema de agentes. Construye Decision Logging y Audit Trail utilizados por el Decision Layer para la trazabilidad e impugnabilidad de cada decisión.

Qué contiene esta evaluación: 9 diapositivas para su equipo directivo

Personalizada con sus datos. Generada en 2 minutos en su navegador. Sin carga, sin inicio de sesión.

  1. 1

    Portada - Nombre del proceso, puntos de decisión, potencial de automatización

  2. 2

    Resumen ejecutivo - FTE liberados, coste por transacción, fecha de amortización

  3. 3

    Situación actual - Volumen de transacciones, costes de error, escenario de crecimiento

  4. 4

    Arquitectura de solución - Humano - motor de reglas - agente IA

  5. 5

    Gobernanza - EU AI Act, comité de empresa/GoBD, pista de auditoría

  6. 6

    Análisis de riesgos - 5 riesgos con probabilidad e impacto

  7. 7

    Hoja de ruta - Plan de 3 fases con fechas concretas

  8. 8

    Caso de negocio - Comparación de 3 escenarios más matriz de sensibilidad

  9. 9

    Propuesta de discusión - Próximos pasos concretos

Incluye: comparación de 3 escenarios

No hacer nada vs. nueva contratación vs. automatización - con su nivel salarial, su tasa de error y su plan de crecimiento.

Mostrar metodología de cálculo

Hourly rate: Annual salary (your input) × 1.3 employer burden ÷ 1,720 annual work hours

Savings: Transactions × 12 × automation rate × minutes/transaction × hourly rate × economic factor

Quality ROI: Error reduction × transactions × 12 × EUR 260/error (APQC Open Standards Benchmarking)

FTE: Saved hours ÷ 1,720 annual work hours

Break-Even: Benchmark investment ÷ monthly combined savings (efficiency + quality)

New hire: Annual salary × 1.3 + EUR 12,000 recruiting per FTE

Todos los datos permanecen en su navegador. Nada se transmite a ningún servidor.

Employee Self-Service Agent

Initial assessment for your leadership team

A thorough initial assessment in 2 minutes - with your numbers, your risk profile and industry benchmarks. No vendor logo, no sales pitch.

30K120K
1%15%

All data stays in your browser. Nothing is transmitted.

Preguntas frecuentes

¿Sabrán los empleados que están hablando con un agente de IA?

Sí. El artículo 50 del Reglamento de IA exige transparencia cuando las personas interactúan con sistemas de IA. El agente se identifica claramente y explica cuándo y por qué escala a un especialista humano.

¿Qué pasa si el agente da una respuesta incorrecta?

El agente genera respuestas fundamentadas en documentos de política verificados - no improvisa. Cada respuesta incluye referencia a la política fuente. Para situaciones ambiguas, el agente escala en lugar de adivinar.

¿Qué pasa después?

1

30 minutos

Primera reunión

Analizamos su proceso e identificamos el punto de inicio óptimo.

2

1 semana

Discover

Mapeo de su lógica de decisión. Reglas documentadas, Decision Layer diseñado.

3

3-4 semanas

Build

Agente productivo en su infraestructura. Gobernanza, audit trail, cert-ready desde el día 1.

4

12-18 meses

Autosuficiencia

Acceso completo al código fuente, prompts y versiones de reglas. Sin vendor lock-in.

Implementar este agente?

Evaluamos su paisaje de procesos y mostramos como este agente encaja en su infraestructura.