Puntos clave
- En RRHH, el comprador (CHRO), el usuario diario (HRBP, responsable de seleccion) y la persona con el problema real (el hiring manager o el empleado) son tres perfiles distintos que requieren tres conversaciones de descubrimiento diferentes.
- La objecion "la IA reemplaza empleos" raramente es ideologica. Es un indicador de un miedo concreto. Saber surfear lo que hay debajo es una de las habilidades mas utiles en el descubrimiento de productos para RRHH.
- Flujos de trabajo con alta senal para adopcion de IA: cribado en seleccion, documentacion de onboarding, sintesis de evaluaciones de desempeno, generacion de contenido de L&D. Baja senal: planificacion salarial, medicion de cultura, decisiones de sucesion.
- La Ley de IA de la UE clasifica varias aplicaciones de IA en RRHH como de alto riesgo. Para productos europeos, esto condiciona la arquitectura desde el primer dia.
- El camino de validacion mas rapido no es una integracion con el HRIS. Es un flujo de trabajo, un rol, una mejora medible, testeada en paralelo con el proceso existente durante dos semanas.
- Este articulo desarrolla el marco general de descubrimiento de clientes para productos de IA B2B. Lee ese primero si aun no lo has hecho.
Por que RRHH es un reto especifico para el descubrimiento de productos de IA
El mercado de HR tech esta saturado de afirmaciones sobre IA. Cada proveedor de ATS ha anadido "impulsado por IA" a su lista de funcionalidades. Cada herramienta de gestion del desempeno ofrece ahora algun tipo de insight automatizado. El nivel de ruido es alto, lo que significa que los compradores son al mismo tiempo mas conscientes de lo que la IA podria hacer y mas escepticos sobre si algun producto concreto lo conseguira realmente.
Esto crea una paradoja para los founders que hacen descubrimiento en este espacio. Las personas que entrevistas ya han visto un pitch de IA. Han participado en un piloto que no llego a ninguna parte. Tienen opiniones solidas sobre lo que la IA no puede hacer, formadas por herramientas que no funcionaron como se anunciaba. Entras en una conversacion donde la experiencia previa es frecuentemente negativa, y donde "IA" como palabra lleva mas bagaje que senal.
El segundo reto es estructural. El marco general para el descubrimiento de IA B2B asume que la persona que siente el dolor es, como minimo, adyacente a quien toma la decision de compra. En RRHH esto raramente es cierto. El CHRO que firma el contrato se preocupa por el riesgo de cumplimiento, el coste por contratacion, las metricas de retencion y los informes para el consejo. El responsable de seleccion que usa la herramienta cada dia se preocupa por si acelera la revision de los proximos 200 CVs. El hiring manager que realmente esta frustrado con el proceso a menudo no tiene voz cuando se toma la decision sobre el software. Estas son tres conversaciones distintas, y confundirlas produce el error mas comun en el descubrimiento de IA para RRHH: construir un producto que le gusta al comprador pero que el usuario nunca adopta.
La pregunta que reencuadra cada conversacion de descubrimiento en RRHH: cuando termino el ultimo ciclo de contratacion, que hizo el equipo de manera diferente la proxima vez gracias a lo aprendido? Si la respuesta es "nada cambio," has encontrado el problema real. No el dolor del flujo de trabajo, sino la ausencia de un bucle de aprendizaje. Ahi es donde suelen vivir los productos de IA mas defensibles.
Las tres conversaciones de descubrimiento que necesitas tener
Mapear los tres niveles de stakeholders en RRHH antes de disenar nada no es opcional. Es el descubrimiento viable minimo. Cada nivel aporta informacion diferente y requiere una estructura de conversacion distinta.
| Comprador (CHRO / VP RRHH) | Usuario diario (HRBP / Responsable de seleccion) | Persona con el problema (Hiring Manager / Empleado) | |
|---|---|---|---|
| Preocupacion principal | Eficiencia de costes, cumplimiento, metricas de retencion, informes al consejo | Volumen gestionado, velocidad del proceso, precision de los resultados | Tiempo perdido, calidad de candidatos o feedback, sensacion de no ser escuchado |
| Lo que te contara | Prioridades estrategicas y limitaciones presupuestarias | Como funciona realmente el flujo de trabajo actual | Donde falla el proceso desde su lado |
| Lo que no te contara | Que el stack actual ya es caro y esta infrautilizado | Que ha construido workarounds a los que esta apegado | Que ha dejado de confiar en el proceso de RRHH por completo |
| Pregunta de descubrimiento clave | "Que dejarias de reportar al consejo si tuvieras mejores datos?" | "Cuentame el ultimo puesto que cubriste desde el primer CV hasta la oferta." | "Que es lo que mas temes de la proxima ronda de contratacion y por que?" |
| Riesgo si omites este nivel | Sin camino de compra, por bueno que sea el producto | Sin adopcion, por bueno que sea el pitch | El producto resuelve el problema equivocado en el nivel equivocado |
Donde se esta adoptando realmente la IA en RRHH ahora mismo
No todos los flujos de trabajo de RRHH estan igual de preparados para la intervencion de la IA, y los que tienen mas hype no son siempre los que tienen mas senal de adopcion real. Tras hacer descubrimiento en este espacio en organizaciones de distintos tamanos y sectores, el patron es bastante consistente.
Flujos de trabajo con alta senal
Cribado en seleccion de talento. El problema de volumen en reclutamiento es real: una empresa de tamano medio que publica una oferta en un mercado competitivo puede recibir de 300 a 600 candidaturas para una sola posicion. El proceso actual implica que un recruiter dedica las primeras dos o tres horas a un primer filtro que elimina candidatos que claramente no cumplen los criterios basicos. Es trabajo de alto volumen y bajo juicio por diseno. Es el caso mas claro en RRHH para la augmentacion con IA, y donde existen los productos mas maduros. La senal de descubrimiento es fuerte porque el dolor es cuantificable: horas por puesto, candidaturas por recruiter, tiempo hasta la primera entrevista.
Documentacion de onboarding. El onboarding genera un volumen predecible de comunicacion repetitiva: paquetes de bienvenida, documentos de cumplimiento especificos del puesto, resumenes de politicas, agendas de la primera semana. Los equipos de RRHH en empresas con alto volumen de contratacion reconstruyen esto desde cero para cada cohorte, a menudo porque la version anterior esta desactualizada. La generacion y actualizacion de documentos con IA es una mejora real del flujo de trabajo, con bajo riesgo de adopcion porque el resultado se revisa antes de llegar al empleado.
Sintesis de evaluaciones de desempeno. Los ciclos de evaluacion generan grandes volumenes de feedback de managers que RRHH necesita procesar, marcar y sobre los que actuar. Resumir tendencias en un equipo, identificar valores anomalos o generar feedback estructurado a partir de notas no estructuradas son tareas donde la IA produce resultados utilizables mas rapidamente que un proceso manual.
Personalizacion de contenido de L&D. Los equipos de aprendizaje y desarrollo en organizaciones mas grandes dedican un tiempo significativo a curar contenido para diferentes roles y niveles de antiguedad. El etiquetado de contenido asistido por IA, la curacion y la generacion basica de modulos reduce este tiempo de forma material.
Flujos de trabajo con baja senal
La planificacion de compensacion y beneficios se encuentra en la interseccion de restricciones legales, sensibilidad de mercado y politica interna. La medicion de cultura y los "scores de engagement basados en IA" generan sistematicamente interes en demos y resistencia en la adopcion porque el resultado o es tan agregado que resulta inutil o tan especifico que crea responsabilidades. La planificacion de sucesion implica juicios que los lideres senior no estan dispuestos a delegar en un algoritmo, y con razon.
Un patron que vale la pena nombrar: los flujos de trabajo de RRHH con mas hype de IA son los mas cercanos a decisiones trascendentes sobre individuos. Los que tienen mayor adopcion real son los mas alejados de esas decisiones. La reduccion de volumen y la generacion de documentacion crean valor real sin tocar el nivel del juicio humano. Ahi es donde se estan construyendo los productos duraderos ahora mismo.
La conversacion de descubrimiento con un equipo de RRHH: que preguntar
El problema de encuadre en el descubrimiento de RRHH es que cualquier pregunta que suene a "como podria ayudarte la IA" producira una de dos respuestas inutiles: una lista de funcionalidades copiada de la ultima demo de producto que vio la persona, o una preocupacion reflexiva sobre el desplazamiento de empleo que cierra la conversacion antes de que haya comenzado.
La estructura de conversacion que funciona se construye en torno a reconstruir lo que realmente sucedio la ultima vez que el equipo ejecuto el proceso que estas estudiando. No lo que piensan sobre el en abstracto. Lo que ocurrio realmente, paso a paso, la ultima vez.
Preguntas que producen senal de flujo de trabajo en RRHH
"Cuentame el ultimo proceso de seleccion que gestionaste desde el momento en que se aprobo la descripcion del puesto hasta que se firmo la oferta. Empieza desde el principio y dime exactamente lo que hiciste." Esto produce un mapa de flujo de trabajo, que es el resultado mas valioso de cualquier sesion de descubrimiento. El objetivo es identificar donde se ralentiza el proceso, donde se pierde informacion, donde se toman decisiones sin los datos que la persona realmente querria, y donde estan los workarounds.
"Que es lo que llevas dos anos queriendo arreglar en ese proceso pero aun no has tocado?" Esto saca a la superficie los problemas que son lo suficientemente reales como para ser nombrados pero aun no tan dolorosos como para haber forzado una solucion. Suelen ser las areas de mayor senal para una intervencion de producto.
"Si este problema desapareciera manana, que harias con el tiempo?" Esta es la pregunta de ancla de valor del marco general, aplicada especificamente a RRHH. La respuesta revela si el problema es genuinamente doloroso o meramente inconveniente.
Preguntas que cierran las conversaciones de RRHH
Evita cualquier cosa que lidere explicitamente con IA. "Como ves la IA encajando en tu proceso de reclutamiento?" es una pregunta sobre tecnologia, no sobre trabajo. Evita cualquier pregunta sobre eficiencia que pueda interpretarse como "como harias esto con menos personas?" En RRHH, ese encuadre activa una postura defensiva inmediatamente.
Ejemplo practico: cribado asistido por IA en seleccion de talento
Este es el caso de uso con la senal de descubrimiento mas madura en IA para RRHH, por lo que vale la pena recorrerlo en detalle para mostrar lo que el proceso de descubrimiento realmente revela frente a lo que los founders tipicamente construyen en respuesta.
El problema tal como lo describe el comprador
Un VP de RRHH en una empresa tecnologica de tamano medio explica que su coste por contratacion ha aumentado un 40% en dos anos. Quieren que la IA "optimice el funnel de reclutamiento." Tienen presupuesto. Quieren un piloto para el Q3. Este es un problema real descrito con el nivel de resolucion equivocado para construir algo util.
El problema tal como lo vive el usuario diario
El responsable de seleccion que gestiona el mismo proceso de contratacion describe algo mas especifico. Recibe una media de 380 candidaturas por puesto. El primer pase tarda unas dos horas y media: revisar los descalificadores obvios como ubicacion, expectativa salarial, anos de experiencia, requisitos de idioma. Esto produce una lista reducida de 40 a 60 candidatos que reciben una segunda lectura, que lleva otra hora y media. El problema no es el tiempo en si. El problema es que este trabajo ocurre antes de las 9 de la manana del lunes porque debe hacerse antes del sync semanal con el hiring manager, y es lo primero en su calendario, lo que significa que desplaza el trabajo de relaciones que realmente le importa.
Ese es un problema completamente diferente a "optimizar el funnel." Es un problema de agenda y atencion disfrazado de problema de volumen. Y apunta a una intervencion de producto diferente: no un algoritmo de ranking, sino una lista reducida pre-procesada entregada el viernes por la tarde para que el responsable de seleccion pueda revisarla antes del lunes en lugar de producirla el lunes por la manana.
Lo que un MVP bien definido deberia abordar
El producto minimo que vale la pena construir y probar no es una plataforma de cribado completa. Es una herramienta que toma la descripcion del puesto y el lote de candidaturas y devuelve, el viernes por la tarde, una lista reducida estructurada con un parrafo de justificacion por candidato frente a los criterios establecidos. El responsable de seleccion la revisa, ajusta las ponderaciones donde la justificacion es incorrecta, y envia el resultado al hiring manager. La metrica: usa este responsable el resultado sin rehacer el trabajo desde cero? Si la respuesta es si, tienes un producto.
Lo que los founders suelen construir en cambio: un dashboard que muestra volumen de candidaturas, calidad de la fuente, tendencias de tiempo hasta la contratacion, y un modelo de puntuacion que clasifica candidatos del 1 al 100. Esto es una herramienta de reporting, no una mejora del flujo de trabajo. El responsable de seleccion sigue haciendo el mismo trabajo el lunes por la manana. La puntuacion es una capa mas que explicar al hiring manager, no un sustituto de la explicacion.
Las barreras de adopcion especificas de RRHH en Europa
Construir un producto de IA para RRHH en Europa anade una dimension regulatoria que no es opcional. La Ley de IA de la UE clasifica los sistemas de IA utilizados en empleo, gestion de trabajadores y acceso al empleo por cuenta propia como de alto riesgo. Esto incluye el cribado automatizado de candidatos, la monitorizacion del rendimiento de los trabajadores y los sistemas de asignacion de tareas.
La clasificacion de alto riesgo implica evaluacion de conformidad obligatoria antes del despliegue, requisitos de supervision humana integrados en el producto, documentacion tecnica y registro en la base de datos de la UE para sistemas de IA de alto riesgo. Para un founder que construye en este espacio, esto no es una casilla de cumplimiento que gestionar antes del lanzamiento. Es una restriccion arquitectonica que debe integrarse desde la primera decision de diseno.
El RGPD anade una segunda capa. La toma de decisiones automatizada que produce efectos juridicos o significativos en las personas requiere o bien consentimiento explicito o una base juridica especifica, e incluye el derecho a revision humana. Para una herramienta de cribado, "efectos significativos" casi con certeza cubre un rechazo de una candidatura de empleo. Esto significa que tu producto no puede ser un ranker de caja negra. Necesita soportar la revision humana de forma documentable y explicable al candidato si se solicita.
La implicacion practica de ambos marcos es que el camino mas rapido al mercado en IA para RRHH europeo no es la toma de decisiones automatizada sino el apoyo a la decision. Una herramienta que presenta informacion estructurada a un humano que toma la decision final esta en una categoria de cumplimiento fundamentalmente diferente a una que toma o recomienda la decision de forma autonoma. Esto es, ademas, un mejor producto para el usuario diario, que no quiere que un algoritmo se haga cargo de las decisiones de juicio para las que fue contratado.
Senales de precio en el descubrimiento de RRHH
El ancla de valor en RRHH es mas concreta que en la mayoria de verticales porque las metricas de coste son bien conocidas. Coste por contratacion, tiempo hasta cubrir el puesto, capacidad del recruiter (puestos por recruiter por trimestre) y coste de rotacion son numeros que los equipos de RRHH rastrean y suelen citar de memoria.
La pregunta que saca a la superficie la disposicion a pagar de forma mas fiable en RRHH no es "cuanto pagarias por esta herramienta?" Es "si esta herramienta devolviera a tu equipo diez horas por proceso de seleccion, a que irian esas diez horas?" Si la respuesta es trabajo de alto valor que la persona genuinamente quiere hacer, la disposicion a pagar es real y puedes fijar el precio en funcion del valor de esa capacidad recuperada. Si la respuesta es vaga, el presupuesto probablemente no se materializara cuando llegue la decision de compra.
La senal de precio que mas importa en RRHH: cuando el usuario diario empieza a preguntar si sus companeros en otros equipos podrian usar la misma herramienta, ya no estas en territorio de piloto. Esa pregunta significa que el producto ha cruzado el umbral de "experimento interesante" a "parte de como trabajamos." Fija el precio en consecuencia y facilita el camino de expansion.
Trabaja con nosotros
Construyendo un producto de IA para equipos de RRHH?
Realizamos venture building y descubrimiento de producto en fases tempranas para startups de IA y ventures corporativos en Europa. Si estas definiendo quien es tu comprador real en RRHH, que flujo de trabajo abordar primero, o como navegar la capa de cumplimiento de la Ley de IA de la UE, una conversacion de 30 minutos suele ser suficiente para orientarse.
Reservar una llamada de descubrimiento