El trabajo “The Integration of Artificial Intelligence in Human Resource Management in the U.S. Retail Sector”, de Rezwanul Islam Rezvi y coautores, publicado en el Journal of Business and Management Studies, analiza cómo la inteligencia artificial (IA) se incorpora a los procesos de recursos humanos en el retail estadounidense y qué implicancias tiene para la contratación, la motivación y el seguimiento del desempeño. A partir de un análisis temático de literatura académica y datos de fuentes como Statista, los autores sostienen que la IA ya se volvió una herramienta necesaria para gestionar plantillas amplias y rotación elevada, pero que su aporte solo será sostenible si se abordan explícitamente las cuestiones éticas y de confianza.
IA y recursos humanos en un sector de alta rotación
El punto de partida del estudio es un diagnóstico conocido para el retail: alta rotación, procesos de selección intensivos en tiempo y dificultades para sostener la motivación y la satisfacción de los empleados. La adopción de IA en recursos humanos se presenta como respuesta a estos desafíos, con énfasis en la automatización, la analítica predictiva y la eficiencia.
Según datos citados por los autores, más del 65% de los profesionales de RR.HH. utiliza IA para redactar descripciones de puestos y alrededor del 42% la emplea para responder a postulaciones, lo que indica que estas herramientas ya penetraron la etapa inicial del proceso de reclutamiento. Además, cerca de un 33% recurre a la IA para búsqueda de candidatos y análisis de currículums, mientras que solo un 15% la usa en chequeos de antecedentes, un punto crítico donde las decisiones automatizadas podrían tener mayor impacto.
El estudio no se basa en encuestas propias, sino en una revisión sistemática de investigaciones previas y estadísticas de mercado. La metodología de análisis temático le permite identificar patrones comunes en la literatura sobre IA y recursos humanos, especialmente en tres dimensiones: reclutamiento, motivación y monitoreo del desempeño.
Reclutamiento a escala: eficiencia con riesgo de sesgo
Una primera conclusión es que los sistemas de reclutamiento habilitados por IA pasaron de ser una opción “interesante de explorar” a convertirse en herramientas “necesarias de utilizar” en organizaciones que reciben volúmenes masivos de postulaciones, como las cadenas de retail. La automatización del filtrado de currículums, la clasificación de candidatos y la predicción de encaje con el puesto reduce tiempos y costos y libera capacidad de los equipos de RR.HH. para tareas de mayor valor agregado.
Los autores citan trabajos que describen cómo la IA permite identificar patrones en los historiales laborales, las habilidades declaradas y los datos de desempeño previo, y utilizarlos para priorizar candidatos. También señalan el aporte de la IA generativa, que facilita el diseño de filtros y cuestionarios automatizados para la etapa de selección inicial.
Sin embargo, el estudio subraya un riesgo central: la posibilidad de que los algoritmos repliquen y amplifiquen sesgos existentes. Si los modelos se entrenan con datos que reflejan desigualdades históricas en contratación y promoción, la IA tiende a consolidar esos patrones, aun cuando los responsables de RR.HH. busquen lo contrario. Investigaciones citadas por Rezvi y sus coautores muestran que este efecto puede afectar de manera desproporcionada a grupos subrepresentados en el sector retail.
De allí surge una primera recomendación para las empresas: someter regularmente los modelos de IA a auditorías de sesgo, diversificar las bases de datos de entrenamiento y combinar las salidas algorítmicas con la revisión humana antes de tomar decisiones de contratación o descarte de candidatos.
Motivación y capacitación: gamificación y aprendizaje adaptativo
La segunda dimensión analizada es la motivación de los empleados y su vínculo con la capacitación. El estudio recupera trabajos que utilizan la jerarquía de necesidades de Maslow como marco para evaluar el rol de la IA: la tecnología no solo puede atender aspectos funcionales, sino también contribuir a necesidades psicológicas como el reconocimiento, el desarrollo personal y la autorrealización.
En este terreno, la IA aparece ligada a dos herramientas principales. Por un lado, la gamificación de la experiencia laboral y de formación: sistemas que introducen objetivos, recompensas y retroalimentación en tiempo casi real, adaptados al perfil de cada empleado. Por otro, las plataformas de aprendizaje adaptativo, que ajustan los contenidos de capacitación según el desempeño, la velocidad de aprendizaje y las brechas de habilidades detectadas en cada persona.
En el retail, donde gran parte de la fuerza laboral se desempeña en tareas de contacto con el cliente y se enfrenta a horarios exigentes, este tipo de soluciones permite concentrar la formación en competencias de alto impacto (atención al cliente, manejo de sistemas de caja, gestión de inventario) con módulos breves y personalizados. El estudio sostiene que, bien diseñadas, estas herramientas pueden elevar el compromiso y reducir la rotación.
No obstante, los autores advierten sobre el riesgo de sustituir el acompañamiento humano por interfaces automatizadas. Una dependencia excesiva de la gamificación o de plataformas de aprendizaje inteligentes puede percibirse como un intento de “gestionar” las emociones y motivaciones sin una verdadera conversación con los empleados. El trabajo insiste en la necesidad de mantener un equilibrio entre la eficiencia tecnológica y la presencia de supervisores y líderes con capacidad de escucha.
Monitoreo del desempeño: del control al feedback continuo
El tercer eje es el monitoreo del desempeño. La IA habilita sistemas que registran indicadores de productividad, calidad de atención y cumplimiento de objetivos en tiempo real, lo que permite otorgar reconocimientos inmediatos, ajustar incentivos y detectar desvíos de manera temprana.
En el caso del retail, esto incluye desde métricas de ventas individuales hasta tiempos de atención, precisión en el manejo de transacciones o cumplimiento de tareas operativas en tienda y centros de distribución. Los autores señalan que, cuando se utilizan de forma transparente, estas herramientas pueden fortalecer una cultura de mejora continua y ofrecer a los empleados información concreta sobre cómo evolucionar en su rol.
El estudio, sin embargo, también recoge evidencias de que un monitoreo demasiado intensivo genera estrés, sensación de vigilancia permanente y resistencia a la adopción de nuevas herramientas. La frontera entre evaluación profesional y control invasivo puede volverse difusa si no se definen con claridad los objetivos del sistema, el uso de los datos y las instancias de revisión.
Por este motivo, Rezvi y sus coautores recomiendan diseñar los mecanismos de seguimiento con participación de los propios empleados, comunicar explícitamente qué indicadores se miden, con qué fin y quién accede a la información, y garantizar espacios de retroalimentación que vayan más allá de los paneles métricos automatizados.
Condiciones para una implementación responsable
En sus secciones aplicadas, el trabajo examina qué significa llevar estas herramientas a la práctica en el retail estadounidense, caracterizado por plantillas numerosas, alta diversidad de perfiles y fuerte presión sobre los costos laborales. La conclusión general es que la IA puede contribuir a resolver tres problemas estructurales: la rapidez del reclutamiento, la alineación entre capacitación y necesidades del negocio, y la mejora continua del desempeño.
Sin embargo, el estudio insiste en que la adopción de IA en recursos humanos no es una decisión puramente tecnológica. Requiere, al menos, cuatro condiciones de diseño:
- Gobernanza de datos y sesgos. Establecer procesos formales para revisar los algoritmos, las fuentes de datos y los criterios de decisión, con foco en el impacto sobre grupos vulnerables.
- Transparencia y explicabilidad. Comunicar a candidatos y empleados cómo interviene la IA en los procesos de selección, evaluación y capacitación, y ofrecer canales para plantear dudas o impugnar decisiones.
- Combinación de criterio humano y automatización. Considerar a la IA como apoyo para los especialistas de RR.HH., no como sustituto, y mantener instancias de decisión en manos de personas, especialmente en temas sensibles.
- Participación de los empleados. Involucrar a los equipos en el diseño y ajuste de las herramientas, lo que facilita la aceptación y permite identificar efectos no deseados en la práctica cotidiana.
Los autores señalan que estas recomendaciones no se limitan al mercado estadounidense. Para cadenas de retail en América Latina que comienzan a incorporar analítica avanzada en sus áreas de recursos humanos, el estudio actúa como una hoja de ruta sobre qué aspectos priorizar y qué riesgos anticipar.
Una agenda abierta para recursos humanos
El trabajo concluye que la inteligencia artificial ya constituye un componente estructural de la gestión de recursos humanos en el retail y que su impacto se extenderá a otros sectores intensivos en mano de obra. La IA acelera el reclutamiento, permite una capacitación más ajustada a las necesidades individuales y refuerza las capacidades de monitoreo de desempeño, todo dentro de un entorno de mayor presión competitiva y de expectativas crecientes por parte de los empleados.
Al mismo tiempo, los autores subrayan que la sostenibilidad de estos avances dependerá de la capacidad de las empresas para construir confianza, diseñar marcos éticos claros y acompañar la tecnología con una gestión del talento centrada en las personas. La agenda de investigación futura, plantean, debería enfocarse en los efectos de largo plazo de la IA sobre las trayectorias laborales, las competencias requeridas y la estructura misma de los equipos de trabajo.
Para las compañías que operan en retail y en otros sectores de servicios masivos, el mensaje central del estudio es nítido: la IA ya forma parte del presente de recursos humanos, pero su verdadero valor dependerá menos de la sofisticación de los algoritmos que de cómo se los integre en procesos transparentes, inclusivos y alineados con la estrategia de negocio.
