People Analytics Agent

RRHH posee los datos que podrían sostener decisiones estratégicas sobre personal. Rotación por área, compromiso por centro, diversidad por nivel jerárquico. Y sin embargo, sólo el 8 por ciento de las empresas afirma que sus datos de RRHH son realmente utilizables (Deloitte, Human Capital Trends). El resto exporta tablas, construye presentaciones durante semanas y entrega respuestas que llegan tarde, se quedan en la superficie y no abordan la pregunta real.

El problema no es la falta de datos. Es la falta de arquitectura. Quien hace People Analytics sin separar estructuralmente análisis y vigilancia no obtiene ni aceptación del Comité de Empresa ni conformidad con el Reglamento europeo de IA.

Por qué People Analytics se estanca en la práctica

El 76 por ciento de las empresas hace alguna forma de People Analytics. Pero sólo el 9 por ciento entiende qué dimensiones de talento impulsan realmente el rendimiento (Deloitte, 2024). Entre los datos que RRHH posee y los que acaban influyendo en decisiones estratégicas se abre una brecha. Tres causas la mantienen abierta.

Base de datos fragmentada. Los datos de personal viven en SAP o Personio, los valores de compromiso en una herramienta de encuestas, los motivos de rotación en hojas de Excel de los responsables. El 60 por ciento de los responsables de RRHH cita la integración de datos como su principal obstáculo (EY, 2024). El daño oculto: las empresas pierden anualmente hasta 15 millones USD (13,5 M EUR) de productividad por datos de RRHH defectuosos - no por análisis erróneos, sino por el trabajo de corrección que fuerza la mala calidad del dato.

Sin traducción al lenguaje de la decisión. RRHH informa de plantilla, absentismo, días de formación. La Dirección piensa en facturación por empleado, time-to-market, rotación de clientes. Mientras la rotación no se enlace con sus costes económicos derivados, People Analytics seguirá siendo un informe administrativo. Best Buy cuantificó la conexión: 0,1 puntos más de compromiso se correlacionaban con 100.000 USD (90.000 EUR) de ingresos adicionales por tienda. La mayoría de los departamentos de RRHH no consigue establecer esa conexión - no porque falten datos, sino porque nadie ha definido qué enlaces son estratégicamente relevantes.

Mezcla de análisis y vigilancia. People Analytics debe detectar patrones en datos agregados. Pero sin límites técnicos claros, el análisis se desliza imperceptiblemente hacia el control del rendimiento individual. El Comité de Empresa bloquea. La plantilla desconfía. El proyecto no muere por la técnica, sino por la pérdida de confianza.

Alto riesgo desde agosto de 2026 - la realidad regulatoria

El Reglamento europeo de IA clasifica los sistemas de People Analytics como de alto riesgo según el Anexo III, categoría 4(b): sistemas de IA para monitorización y evaluación del comportamiento en el lugar de trabajo. Aunque el agente analice exclusivamente de forma agregada, los resultados pueden influir en decisiones de personal. Eso basta para la clasificación.

A partir del 2 de agosto de 2026, los sistemas de alto riesgo deben cumplir los siguientes requisitos:

• Sistema de gestión de riesgos con evaluación de impacto documentada
• Requisitos de calidad de datos y documentación técnica
• Transparencia frente a las personas trabajadoras afectadas
• Supervisión humana por personal técnicamente competente
• Marcado CE y registro en la base de datos de la UE

En paralelo entra en juego el derecho español. El artículo 64 del Estatuto de los Trabajadores otorga al Comité de Empresa derecho a ser informado y consultado sobre sistemas que influyen en las condiciones de trabajo y monitorizan el comportamiento. El Comité no tiene derecho de veto, pero sí derecho a ser consultado con antelación suficiente. Los tribunales sociales han dejado claro que la intención subjetiva del empresario es irrelevante: decisiva es la idoneidad objetiva del sistema. Una herramienta de People Analytics lo es por definición.

El artículo 35 del RGPD exige una evaluación de impacto cuando un tratamiento entraña previsiblemente un alto riesgo para los derechos de las personas físicas. El análisis sistemático de datos de empleados cumple ese criterio. Y la AESIA, como autoridad española de supervisión de IA, puede emitir directrices adicionales sobre analítica predictiva en el ámbito laboral.

Quien no integra estos tres marcos jurídicos construye un sistema técnicamente funcional y legalmente insostenible.

Lo que la arquitectura resuelve y la tecnología sola no puede

La pregunta central no es: ¿qué herramienta analiza los datos? Sino: ¿quién define la pregunta, quién interpreta el resultado, quién decide?

El Decision Layer descompone el proceso analítico en pasos de decisión discretos. Cada paso tiene un responsable definido: humano, motor de reglas o agente de IA.

Definir             Verificación       Agregar            Identificar
pregunta       -->  RGPD          -->  datos          --> patrones
(humano)            (reglas)           (reglas)           (agente)

Validar             Recomendación      Presentar
hallazgos      -->  de acción     -->  resultados
(humano)            (agente)           (agente)

La separación no es formal. Resuelve el problema de fondo por el que People Analytics fracasa en la práctica.

Paso 1: definir la pregunta (humano). Analítica sin pregunta estratégica produce informes que nadie ha pedido. El proceso empieza sólo cuando Dirección de RRHH o Dirección General prepara una decisión concreta: ¿necesitamos un programa de retención en comercial? ¿Se está abriendo la brecha de compromiso entre centros?

Paso 2: verificación RGPD (motor de reglas). Antes de agregar un solo dato, el motor coteja el análisis previsto contra el RGPD, los acuerdos con el Comité de Empresa y las políticas internas. Los análisis sin base jurídica no se lanzan.

Paso 3: agregar datos (motor de reglas). Datos maestros, puntuaciones de compromiso y datos de rotación se consolidan y anonimizan. Los grupos por debajo del tamaño mínimo definido se agrupan. No es una directriz, es un bloqueo técnico: las conclusiones personales no son posibles porque la arquitectura lo impide.

Paso 4: identificar patrones (agente). El agente reconoce correlaciones, tendencias y valores atípicos en los datos agregados. ¿Dónde crece la rotación más rápido que la media? ¿Qué áreas muestran compromiso descendente y simultáneamente horas extras crecientes? Los modelos predictivos identifican áreas en riesgo entre 60 y 90 días antes de que se produzcan las salidas.

Paso 5: validar hallazgos (humano). Un patrón estadístico no es una causa. ¿Se correlaciona la caída de satisfacción en el área X con la reestructuración del último trimestre - o con el cambio de responsable? El especialista en HR Analytics valida significancia, plausibilidad y contexto. El agente aporta evidencia. La interpretación la hace un humano con conocimiento de dominio.

Pasos 6 y 7: recomendación y presentación (agente). El agente formula recomendaciones basadas en evidencia con indicación de confianza y las prepara en formato apto para dirección. No 40 indicadores en un panel, sino entre tres y cinco hallazgos ligados a impacto de negocio y opciones concretas de acción.

La frontera entre análisis y vigilancia es una decisión arquitectónica

Ningún problema de confianza se resuelve con un mejor panel. La aceptación de People Analytics depende de si la frontera entre detección de patrones en datos agregados y evaluación de personas individuales se promete o, además, se impone técnicamente.

Tres principios arquitectónicos lo garantizan:

La agregación como bloqueo técnico. Los tamaños mínimos de grupo no se definen como política, sino como parámetro del sistema. Un análisis con una base demasiado pequeña no entrega resultado - no un aviso, sino ninguna salida.

Sin re-identificación de individuos. La lógica de anonimización impide que la combinación de varias consultas agregadas permita identificar a una persona concreta. Es matemáticamente resoluble y técnicamente implementable - pero sólo si se ancla en la arquitectura desde el principio.

Expediente de decisión completo. Cada análisis se documenta: pregunta, base jurídica, nivel de agregación, resultado, medida derivada. El Comité de Empresa tiene derecho de acceso. Las personas afectadas pueden rastrear qué análisis se han ejecutado y qué decisiones se basan en ellos.

Este marco es, al mismo tiempo, el acuerdo con el Comité de Empresa. Quien documenta limpiamente la arquitectura tiene el resultado de la consulta ya estructurado. Límites claros aumentan la aceptación y reducen el riesgo de gobernanza - no es un compromiso, es una ventaja estratégica.

Infraestructura que trasciende al agente individual

El motor de análisis que aquí surge - rotación, compromiso, equidad - se reutiliza por el Strategic HR Analytics Agent para reporting al Consejo y por el Merit Cycle Governance Agent para análisis de equidad retributiva. La lógica de anonimización y de tamaños mínimos de grupo se convierte en estándar para cualquier agente que procese datos personales. El marco de gobernanza - qué análisis se permiten, cuáles no, en qué condiciones - sienta las bases para todos los agentes de alto riesgo del cuadrante Q4.

El valor real no reside en los resultados analíticos de un trimestre concreto. Reside en la infraestructura que convierte People Analytics de un riesgo de gobernanza en una herramienta de gobernanza: trazable, recurrible, reproducible. Las organizaciones que alcanzan este nivel de madurez toman decisiones basadas en datos cinco veces más rápido y superan a sus competidores en resultados de negocio tres veces más a menudo (Deloitte, Human Capital Trends).