La IA, en combinación con los analítica, Ha evolucionado rápidamente hacia el desempeño de un papel relevante en diferentes etapas de los procesos de evaluación, permitiendo analizar grandes volúmenes de información, identificar patrones y realizar predicciones no solo sobre el desempeño futuro, sino también anticipar riesgos (como la rotación), identificar lagunas de desempeño y planificar las intervenciones preventivas antes de consolidar los problemas. Adicionalmente, permite ir más allá de la evaluación puntual de competencias, posibilitando una análisis integrado y longitudinal del potencial y ajuste del talento. A través de la recopilación y el tratamiento de los datos obtenidos en evaluación, Se pueden construir modelos predictivos que estiman la probabilidad de éxito futuro en determinadas funciones o contextos organizacionales.

Estas aproximaciones contribuyen a reducir la subjetividad tradicionalmente asociada a la evaluación del potencial, permitiendo comparar el talento de forma consistente, identificar relaciones entre la evaluación del potencial y el rendimiento real y apoyar decisiones estratégicas de selección, sucesión, desarrollo o movilidad. Además, cuadros de mando y los informes automatizados facilitan la visualización y comunicación de los resultados, promoviendo mayor transparencia asociada a las decisiones y el monitoreo de las métricas.

Sin embargo, la eficacia de análisis depende en gran medida de la calidad de los datos, de la definición adecuada de los indicadores y de la interpretación crítica de los resultados. Sin estos cuidados, existe el riesgo de que las decisiones se basen en métricas poco relevantes o sesgadas.

En lo que respecta a la IA, actualmente su uso en evaluación ocurre principalmente en tres dimensiones (HR Daily Advisor, 2025). La primera se refiere a la evaluación de competencias técnicas mediante pruebas que integran la IA y entrevistas automatizadas, donde la IA aparece como un socio que apoya en el registro y resumen de las respuestas compartidas por los evaluados, garantizando la normalización y eficiencia. La segunda corresponde a la evaluación de competencias cognitivas, como el razonamiento lógico, numérico, verbal e inductivo, con corrección automática y informes que afirman tener un alto rigor estadístico. Finalmente, la IA también comienza a aplicarse a la evaluación de competencias conductuales, recurriendo al procesamiento de lenguaje natural, simulaciones digitales y análisis de datos conductuales para inferir competencias como comunicación, adaptabilidad o toma de decisiones. Sin embargo, la evaluación siempre depende de la supervisión humana, ya que todas las decisiones relativas a personas deben ser tomadas por humanos. De hecho, esta utilización de IA –en contextos de reclutamiento y evaluación de talento– está siendo objeto de una creciente atención regulatoria en múltiples jurisdicciones. Este movimiento refleja la necesidad de equilibrar la innovación tecnológica con la protección de los derechos fundamentales de los trabajadores y los candidatos. En primer lugar, la Unión Europea se posiciona a la vanguardia de la regulación de la IA a nivel mundial con el Reglamento (UE) 2024/1689, también conocido como Ley EU AI, que entró en vigor en agosto de 2024. Este diploma adopta una aproximación basada en el riesgo, clasificando los sistemas de IA en cuatro niveles: riesgo inaceptable, riesgo elevado, riesgo limitado y riesgo mínimo.

Sin embargo, a pesar de los beneficios, se han identificado riesgos significativos. Uno de los principales es el efecto de “caixa negra”, en el que la complejidad de los algoritmos dificulta la comprensión de los criterios subyacentes a los posibles resultados. perspectivas Automatizados. Además, los sistemas pueden reproducir sesgos presentes en los datos históricos utilizados en el entrenamiento de la IA, perpetuando así discriminaciones asociadas, por ejemplo, al género, la etnia o la edad.

El estado actual de evaluaciones Se caracteriza por una tensión creciente entre la eficiencia tecnológica y la autenticidad de la evaluación. La IA se ha convertido en una realidad ineludible para las organizaciones y las personas, lo que hace irrealista su exclusión total de los procesos. Por lo tanto, nos centramos en la posibilidad de utilizar modelos híbridos, es decir, que combinen evaluaciones automatizadas en las que la IA puede ser utilizada para facilitar el trabajo de los profesionales de recursos humanos, así como el análisis de los datos sin descuidar la interpretación y la validación humanas.

Al mismo tiempo, cobran relevancia las cuestiones éticas y legales, en particular la protección de la privacidad, el control del sesgo algorítmico y la garantía de igualdad de oportunidades entre los evaluados. Véase que el Ley EU AI prohíbe expresamente determinadas prácticas consideradas de riesgo inaceptable, en particular: el reconocimiento de emociones en contextos laborales y educativos, sistemas de puntuación social (puntaje social), la categorización biométrica para inferir características sensibles como raza, orientación política o creencias religiosas, y técnicas subliminales de manipulación.

El futuro del evaluación El potencial será marcado por la consolidación del binomio IA–Analytics como eje central de la toma de decisiones en Recursos Humanos. El desafío será simultáneamente tecnológico y conceptual: definir qué datos recopilar, cómo interpretarlos de forma ética y cómo equilibrar eficiencia con justicia y conciencia humana. La tendencia regulatoria apunta hacia una convergencia internacional creciente en torno a principios de transparencia, no discriminación y supervisión humana en el uso de IA en contextos laborales. Las organizaciones que operan en múltiples jurisdicciones deben anticipar la aplicación de los estándares más exigentes, asumiendo que los requisitos de Ley EU AI Se convertirán gradualmente en referencia global.

Laura Andries, Consultor, SHL Portugal
Carolina Cordeiro dos Santos, Miembro Sénior, Vieira de Almeida

Publicado en la revista Human el 03/03/2026