Puntos clave

  • En RRHH, el comprador (CHRO), el usuario diario (HRBP, responsable de selección) 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 objeción "la IA reemplaza empleos" raramente es ideológica. Es un indicador de un miedo concreto. Saber surfear lo que hay debajo es una de las habilidades más útiles en el descubrimiento de productos para RRHH.
  • Flujos de trabajo con alta señal para adopción de IA: cribado en selección, documentación de onboarding, síntesis de evaluaciones de desempeño, generación de contenido de L&D. Baja señal: planificación salarial, medición de cultura, decisiones de sucesión.
  • 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 día.
  • El camino de validación más rápido no es una integración con el HRIS. Es un flujo de trabajo, un rol, una mejora medible, testeada en paralelo con el proceso existente durante dos semanas.
  • Este artículo desarrolla el marco general de descubrimiento de clientes para productos de IA B2B. Lee ese primero si aún no lo has hecho.

Venture Building · de cero a invertible en 13 semanas

15+ años construyendo nuevos negocios en toda Europa.

Ipernovation trabaja con corporaciones y fundadores para diseñar, validar y lanzar nuevos negocios. El método NOVA lleva de la idea a una empresa invertible con una estructura que sobrevive al sistema inmunitario corporativo.

Ver el enfoque de venture building →

Por qué RRHH es un reto específico para el descubrimiento de productos de IA

El mercado de HR tech está saturado de afirmaciones sobre IA. Cada proveedor de ATS ha añadido "impulsado por IA" a su lista de funcionalidades. Cada herramienta de gestión del desempeño ofrece ahora algún tipo de insight automatizado. El nivel de ruido es alto, lo que significa que los compradores son al mismo tiempo más conscientes de lo que la IA podría hacer y más escépticos sobre si algún producto concreto lo conseguirá 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 llegó a ninguna parte. Tienen opiniones sólidas sobre lo que la IA no puede hacer, formadas por herramientas que no funcionaron como se anunciaba. Entras en una conversación donde la experiencia previa es frecuentemente negativa, y donde "IA" como palabra lleva más bagaje que señal.

El segundo reto es estructural. El marco general para el descubrimiento de IA B2B asume que la persona que siente el dolor es, como mínimo, adyacente a quien toma la decisión de compra. En RRHH esto raramente es cierto. El CHRO que firma el contrato se preocupa por el riesgo de cumplimiento, el coste por contratación, las métricas de retención y los informes para el consejo. El responsable de selección que usa la herramienta cada día se preocupa por si acelera la revisión de los próximos 200 CVs. El hiring manager que realmente está frustrado con el proceso a menudo no tiene voz cuando se toma la decisión sobre el software. Estas son tres conversaciones distintas, y confundirlas produce el error más común 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 conversación de descubrimiento en RRHH: ¿cuándo terminó el último ciclo de contratación, qué hizo el equipo de manera diferente la próxima vez gracias a lo aprendido? Si la respuesta es "nada cambió," has encontrado el problema real. No el dolor del flujo de trabajo, sino la ausencia de un bucle de aprendizaje. Ahí es donde suelen vivir los productos de IA más defensibles.

Las tres conversaciones de descubrimiento que necesitas tener

Mapear los tres niveles de stakeholders en RRHH antes de diseñar nada no es opcional. Es el descubrimiento viable mínimo. Cada nivel aporta información diferente y requiere una estructura de conversación distinta.

Comprador (CHRO / VP RRHH) Usuario diario (HRBP / Responsable de selección) Persona con el problema (Hiring Manager / Empleado)
Preocupación principal Eficiencia de costes, cumplimiento, métricas de retención, informes al consejo Volumen gestionado, velocidad del proceso, precisión de los resultados Tiempo perdido, calidad de candidatos o feedback, sensación de no ser escuchado
Lo que te contará Prioridades estratégicas y limitaciones presupuestarias Cómo funciona realmente el flujo de trabajo actual Dónde falla el proceso desde su lado
Lo que no te contará Que el stack actual ya es caro y está infrautilizado Que ha construido workarounds a los que está apegado Que ha dejado de confiar en el proceso de RRHH por completo
Pregunta de descubrimiento clave "¿Qué dejarías de reportar al consejo si tuvieras mejores datos?" "Cuéntame el último puesto que cubriste desde el primer CV hasta la oferta." "¿Qué es lo que más temes de la próxima ronda de contratación y por qué?"
Riesgo si omites este nivel Sin camino de compra, por bueno que sea el producto Sin adopción, por bueno que sea el pitch El producto resuelve el problema equivocado en el nivel equivocado

Dónde se está adoptando realmente la IA en RRHH ahora mismo

No todos los flujos de trabajo de RRHH están igual de preparados para la intervención de la IA, y los que tienen más hype no son siempre los que tienen más señal de adopción real. Tras hacer descubrimiento en este espacio en organizaciones de distintos tamaños y sectores, el patrón es bastante consistente.

Flujos de trabajo con alta señal

Cribado en selección de talento. El problema de volumen en reclutamiento es real: una empresa de tamaño medio que publica una oferta en un mercado competitivo puede recibir de 300 a 600 candidaturas para una sola posición. 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 básicos. Es trabajo de alto volumen y bajo juicio por diseño. Es el caso más claro en RRHH para la augmentación con IA, y donde existen los productos más maduros. La señal de descubrimiento es fuerte porque el dolor es cuantificable: horas por puesto, candidaturas por recruiter, tiempo hasta la primera entrevista.

Documentación de onboarding. El onboarding genera un volumen predecible de comunicación repetitiva: paquetes de bienvenida, documentos de cumplimiento específicos del puesto, resúmenes de políticas, agendas de la primera semana. Los equipos de RRHH en empresas con alto volumen de contratación reconstruyen esto desde cero para cada cohorte, a menudo porque la versión anterior está desactualizada. La generación y actualización de documentos con IA es una mejora real del flujo de trabajo, con bajo riesgo de adopción porque el resultado se revisa antes de llegar al empleado.

Síntesis de evaluaciones de desempeño. Los ciclos de evaluación generan grandes volúmenes de feedback de managers que RRHH necesita procesar, marcar y sobre los que actuar. Resumir tendencias en un equipo, identificar valores anómalos o generar feedback estructurado a partir de notas no estructuradas son tareas donde la IA produce resultados utilizables más rápidamente que un proceso manual.

Personalización de contenido de L&D. Los equipos de aprendizaje y desarrollo en organizaciones más grandes dedican un tiempo significativo a curar contenido para diferentes roles y niveles de antigüedad. El etiquetado de contenido asistido por IA, la curación y la generación básica de módulos reduce este tiempo de forma material.

Flujos de trabajo con baja señal

La planificación de compensación y beneficios se encuentra en la intersección de restricciones legales, sensibilidad de mercado y política interna. La medición de cultura y los "scores de engagement basados en IA" generan sistemáticamente interés en demos y resistencia en la adopción porque el resultado o es tan agregado que resulta inútil o tan específico que crea responsabilidades. La planificación de sucesión implica juicios que los líderes senior no están dispuestos a delegar en un algoritmo, y con razón.

Un patrón que vale la pena nombrar: los flujos de trabajo de RRHH con más hype de IA son los más cercanos a decisiones trascendentes sobre individuos. Los que tienen mayor adopción real son los más alejados de esas decisiones. La reducción de volumen y la generación de documentación crean valor real sin tocar el nivel del juicio humano. Ahí es donde se están construyendo los productos duraderos ahora mismo.

La conversación de descubrimiento con un equipo de RRHH: qué preguntar

El problema de encuadre en el descubrimiento de RRHH es que cualquier pregunta que suene a "cómo podría ayudarte la IA" producirá una de dos respuestas inútiles: una lista de funcionalidades copiada de la última demo de producto que vio la persona, o una preocupación reflexiva sobre el desplazamiento de empleo que cierra la conversación antes de que haya comenzado.

La estructura de conversación que funciona se construye en torno a reconstruir lo que realmente sucedió la última vez que el equipo ejecutó el proceso que estás estudiando. No lo que piensan sobre él en abstracto. Lo que ocurrió realmente, paso a paso, la última vez.

Preguntas que producen señal de flujo de trabajo en RRHH

"Cuéntame el último proceso de selección que gestionaste desde el momento en que se aprobó la descripción del puesto hasta que se firmó la oferta. Empieza desde el principio y dime exactamente lo que hiciste." Esto produce un mapa de flujo de trabajo, que es el resultado más valioso de cualquier sesión de descubrimiento. El objetivo es identificar dónde se ralentiza el proceso, dónde se pierde información, dónde se toman decisiones sin los datos que la persona realmente querría, y dónde están los workarounds.

"¿Qué es lo que llevas dos años queriendo arreglar en ese proceso pero aún no has tocado?" Esto saca a la superficie los problemas que son lo suficientemente reales como para ser nombrados pero aún no tan dolorosos como para haber forzado una solución. Suelen ser las áreas de mayor señal para una intervención de producto.

"¿Si este problema desapareciera mañana, qué harías con el tiempo?" Esta es la pregunta de ancla de valor del marco general, aplicada específicamente 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 explícitamente con IA. "¿Cómo ves la IA encajando en tu proceso de reclutamiento?" es una pregunta sobre tecnología, no sobre trabajo. Evita cualquier pregunta sobre eficiencia que pueda interpretarse como "cómo harías esto con menos personas?" En RRHH, ese encuadre activa una postura defensiva inmediatamente.

Ejemplo práctico: cribado asistido por IA en selección de talento

Este es el caso de uso con la señal de descubrimiento más 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 típicamente construyen en respuesta.

El problema tal como lo describe el comprador

Un VP de RRHH en una empresa tecnológica de tamaño medio explica que su coste por contratación ha aumentado un 40% en dos años. 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 resolución equivocado para construir algo útil.

El problema tal como lo vive el usuario diario

El responsable de selección que gestiona el mismo proceso de contratación describe algo más específico. Recibe una media de 380 candidaturas por puesto. El primer pase tarda unas dos horas y media: revisar los descalificadores obvios como ubicación, expectativa salarial, años 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 sí. El problema es que este trabajo ocurre antes de las 9 de la mañana 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 atención disfrazado de problema de volumen. Y apunta a una intervención 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 selección pueda revisarla antes del lunes en lugar de producirla el lunes por la mañana.

Lo que un MVP bien definido debería abordar

El producto mínimo que vale la pena construir y probar no es una plataforma de cribado completa. Es una herramienta que toma la descripción del puesto y el lote de candidaturas y devuelve, el viernes por la tarde, una lista reducida estructurada con un párrafo de justificación por candidato frente a los criterios establecidos. El responsable de selección la revisa, ajusta las ponderaciones donde la justificación es incorrecta, y envía el resultado al hiring manager. La métrica: ¿usa este responsable el resultado sin rehacer el trabajo desde cero? Si la respuesta es sí, 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 contratación, y un modelo de puntuación que clasifica candidatos del 1 al 100. Esto es una herramienta de reporting, no una mejora del flujo de trabajo. El responsable de selección sigue haciendo el mismo trabajo el lunes por la mañana. La puntuación es una capa más que explicar al hiring manager, no un sustituto de la explicación.

Las barreras de adopción específicas de RRHH en Europa

Construir un producto de IA para RRHH en Europa añade una dimensión regulatoria que no es opcional. La Ley de IA de la UE clasifica los sistemas de IA utilizados en empleo, gestión de trabajadores y acceso al empleo por cuenta propia como de alto riesgo. Esto incluye el cribado automatizado de candidatos, la monitorización del rendimiento de los trabajadores y los sistemas de asignación de tareas.

La clasificación de alto riesgo implica evaluación de conformidad obligatoria antes del despliegue, requisitos de supervisión humana integrados en el producto, documentación técnica 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 restricción arquitectónica que debe integrarse desde la primera decisión de diseño.

El RGPD añade una segunda capa. La toma de decisiones automatizada que produce efectos jurídicos o significativos en las personas requiere o bien consentimiento explícito o una base jurídica específica, e incluye el derecho a revisión 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 revisión humana de forma documentable y explicable al candidato si se solicita.

La implicación práctica de ambos marcos es que el camino más rápido al mercado en IA para RRHH europeo no es la toma de decisiones automatizada sino el apoyo a la decisión. Una herramienta que presenta información estructurada a un humano que toma la decisión final está en una categoría de cumplimiento fundamentalmente diferente a una que toma o recomienda la decisión de forma autónoma. Esto es, además, 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.

Señales de precio en el descubrimiento de RRHH

El ancla de valor en RRHH es más concreta que en la mayoría de verticales porque las métricas de coste son bien conocidas. Coste por contratación, tiempo hasta cubrir el puesto, capacidad del recruiter (puestos por recruiter por trimestre) y coste de rotación son números que los equipos de RRHH rastrean y suelen citar de memoria.

La pregunta que saca a la superficie la disposición a pagar de forma más fiable en RRHH no es "¿cuánto pagarías por esta herramienta?" Es "¿si esta herramienta devolviera a tu equipo diez horas por proceso de selección, a qué irían esas diez horas?" Si la respuesta es trabajo de alto valor que la persona genuinamente quiere hacer, la disposición a pagar es real y puedes fijar el precio en función del valor de esa capacidad recuperada. Si la respuesta es vaga, el presupuesto probablemente no se materializará cuando llegue la decisión de compra.

La señal de precio que más importa en RRHH: cuando el usuario diario empieza a preguntar si sus compañeros en otros equipos podrían usar la misma herramienta, ya no estás en territorio de piloto. Esa pregunta significa que el producto ha cruzado el umbral de "experimento interesante" a "parte de cómo trabajamos." Fija el precio en consecuencia y facilita el camino de expansión.

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 estás definiendo quién es tu comprador real en RRHH, qué flujo de trabajo abordar primero, o cómo navegar la capa de cumplimiento de la Ley de IA de la UE, una conversación de 30 minutos suele ser suficiente para orientarse.

Ver el enfoque de venture building →