Asistente de RRHH con IA

Antes de empezar

Lo que necesitas para completar este tutorial

Lo que conseguiras al terminar

Si sigues estos pasos, en 45-90 minutos tendras:

✓ Prompt operativo y variables adaptadas a su organización
✓ Plan de despliegue on‑premises o en cloud con requisitos técnicos
✓ Checklist de anonimización, monitoreo y gobernanza

Antes de empezar, asegurate de tener lo siguiente:

Obligatorio Acceso de administrador a la infraestructura (servidor on‑premises) o cuenta cloud con permisos de infraestructura y seguridad.

Obligatorio Inventario de datos de RRHH: catálogos de empleados, historiales, descripciones de puesto y flujos de intercambio de datos.

Recomendado Equipo legal/privacidad involucrado para definir requisitos de anonimización y conservación.

Recomendado Acceso a un entorno de pruebas (staging) separado para validar integración y rendimiento.

Transferencia internacional de datos: IA procesa datos en servidores externos. Sin acuerdo de procesamiento de datos (DPA) firmado, no introduzcas datos personales, financieros confidenciales ni datos especialmente protegidos. Verifica con tu departamento legal o IT antes de usar datos reales de tu empresa.

El caso

TecnoLogística Norte S.A., sector logística y transporte — el problema real

La dirección de RRHH recibe un volumen creciente de consultas internas sobre nóminas, vacaciones y formación, con demoras y riesgo de exposición de datos sensibles. Los procesos manuales y proveedores cloud sin controles fuertes incrementan riesgo legal.

Con IA y el prompt de este tutorial, puede resolver este reto en 45-90 minutos — sin conocimientos tecnicos previos.

Situacion real
Datos + contexto

→

IA
Prompt estructurado

→

Output ejecutivo
Listo para usar

Por que funciona: La IA permite comprender lenguaje natural, clasificar consultas y extraer entidades con precisión, lo que facilita respuestas automáticas y acciones. Al integrar anonimización programática antes del procesamiento y aplicar controles on‑premises o configuraciones de residencia en cloud, se mitigan riesgos legales y se mantiene trazabilidad.

Contexto

Cuando usar este tutorial

✓ Usalo cuando...	× No lo uses cuando...
consultas internas repetitivas y alto volumen de tickets necesidad de responder información estándar (vacaciones, nóminas, beneficios) requisito de residencia de datos o política de no exponer información a terceros	decisiones disciplinarias o despidos que requieren juicio humano único procesamiento de datos médicos sensibles sin consentimiento explícito cuando se necesite procesar datos altamente personales sin capacidad de anonimización

Paso 01

Definir alcance y modelo de despliegue

Decida qué consultas cubrirá el asistente y dónde se alojará (on‑premises vs cloud). Es crucial equilibrar cumplimiento normativo, costes y velocidad de implementación.

1
Mapear casos de uso Identifique las 15 consultas más frecuentes en RRHH (ej. solicitudes de baja, consultas de nómina, formación) y determine qué porcentaje son automatizables sin intervención humana.
2
Seleccionar modo de despliegue Evalúe requisitos de residencia de datos y latencia: elija on‑premises si la política exige control total; elija cloud si prioriza escalabilidad y modelos alojados con cifrado fuerte.
3
Definir niveles de anonimización Para cada tipo de dato defina si será totalmente anonimizado, seudonimizado o procesado en texto plano bajo control; documente reglas (por ejemplo, reemplazar nombres por ID, enmascarar números de seguridad social).

Checkpoint: Listado de casos de uso priorizados, decisión de despliegue documentada y tabla de niveles de anonimización por tipo de dato.

Paso 02

Preparar la arquitectura y seguridad

Configure la infraestructura, accesos y mecanismos de anonimización. Incluya logging, auditoría y canales de escalado a agentes humanos.

1
Arquitectura Diseñe un diagrama simple: origen de datos → proxy de anonimización → motor de IA (on‑premises o API cloud) → capa de enrutamiento a agentes. Defina puertos, cifrado y zonas de red.
2
Implementar anonimización automática Instale un módulo que aplique reglas (regex, listas de PHI/PII y modelos NER) antes de enviar texto a la IA; registre transformaciones para auditoría.
3
Controles de acceso y registro Configure autenticación fuerte, roles mínimos y logging inmutable de consultas, respuestas y decisiones de escalado para cumplimiento.

Checkpoint: Diagrama de arquitectura disponible, módulo de anonimización desplegado en entorno de pruebas y logging configurado.

Paso 03

Ejecutar el prompt principal

Este es el prompt central del tutorial. Cópialo completo, rellena las variables entre corchetes con los datos de tu empresa o situación, y envíalo.

1
Copia el prompt completo Selecciona todo el texto del prompt y cópialo. No modifiques la estructura — está diseñado para obtener el output más útil posible.
2
Rellena las variables entre corchetes Sustituye cada [VARIABLE] con información real de tu empresa. Cuanto más específico seas, mejor será el output.
3
Envía el prompt y espera la respuesta Pega el prompt en el chat y envíalo. El modelo puede tardar entre 10 y 60 segundos dependiendo de la complejidad.

Variables del prompt — sustituye cada [VARIABLE] con datos reales

[EMPRESA]Nombre legal de la empresa que implementa el asistente (ej: TecnoLogística Norte S.A.)

[UNIDAD_RRHH]Nombre de la unidad o departamento responsable (ej: Dirección de Personas / RRHH Operaciones)

[DESPLIEGUE]Modo de despliegue elegido: ON_PREMISES / CLOUD_REGION_[PAIS] (ej: ON_PREMISES o CLOUD_REGION_ES)

Prompt principal — Asistente de RRHH Eres un consultor técnico‑ejecutivo especializado en desplegar asistentes conversacionales de RRHH con requisitos de anonimización y cumplimiento. Tu objetivo es generar un plan ejecutivo y operativo para la implementación en la empresa [EMPRESA], en la unidad [UNIDAD_RRHH], y con el modo de despliegue indicado [DESPLIEGUE]. Entrega un documento estructurado que incluya las siguientes secciones: 1) Resumen ejecutivo (máx. 6 frases) con objetivos medibles y métricas KPI recomendadas; 2) Alcance funcional: lista priorizada de 10 funcionalidades (ej. consultas de nómina, solicitudes de baja, onboarding) y para cada una indique si es totalmente automatizable, semiautomatizable o solo asesoramiento humano; 3) Requisitos técnicos: arquitectura propuesta (diagrama verbal), requisitos de infraestructura para on‑premises o cloud, dependencias y aproximación de dimensionamiento (CPU, memoria, almacenamiento, latencia); 4) Anonimización: reglas concretas por tipo de dato (nombre, NIF, correos, historiales médicos), ejemplos de transformaciones (antes/después), herramientas sugeridas (regex, NER, pipeline) y política de retención; 5) Seguridad y gobernanza: controles de acceso, cifrado en tránsito y reposo, logging inmutable, SLA de borrado de datos y protocolos de auditoría; 6) Integración y orquestación: APIs, webhooks, colas y estrategia para enrutar a agentes humanos; 7) Plan de pruebas y validación: casos de prueba, métricas de calidad y umbrales de aceptación; 8) Plan de despliegue y rollback: pasos concretos para despliegue gradual, checklist de verificación y criterios de rollback; 9) Estimación de costes y TCO en primer año (breve); 10) Riesgos y mitigaciones: lista priorizada de riesgos regulatorios, técnicos y operativos con contramedidas. Para cada sección proporciona acciones concretas, responsables (roles) y plazos estimados. Incluye además un ejemplo operativo: procesa este texto de ejemplo aplicando anonimización y devuelve la versión anonimizadda y la tabla de transformaciones: "Carlos Pérez, DNI 12345678A, solicita baja por enfermedad desde 2025-06-01". Finalmente, entrega un checklist ejecutivo (10 ítems) listo para presentar al Comité de Dirección. Mantén el tono ejecutivo y directo. No incluyas información adicional fuera de las secciones pedidas.

Checkpoint: El modelo ha respondido con un output estructurado que incluye las secciones solicitadas en el prompt.

Paso 04

Iterar, validar y desplegar en producción

Valide respuestas con usuarios reales, ajuste reglas de anonimización y defina SLAs y métricas. Planifique un despliegue gradual y un plan de rollback.

1
Prueba con usuarios Ejecute pruebas piloto con un grupo representativo de empleados, recoja feedback concreto y mida precisión, tiempo de respuesta y tasa de escalado.
2
Refinamiento Ajuste prompts, reglas de anonimización y umbrales de escalado. Documente cambios y revalide con auditoría interna antes de expandir.

Checkpoint: Piloto validado con métricas dentro de umbrales definidos, playbook de despliegue y plan de rollback aprobado.

Iteracion

Prompts para refinar el output

Estos son los ajustes mas frecuentes que se piden despues del primer output. Copialos directamente en el chat:

Hacer el output más específico

cuando el output es demasiado genérico. "Toma el plan anterior y concreta los requisitos técnicos para un servidor on‑premises con 8 vCPU y 64GB RAM; incluye comandos de instalación, puertos a abrir, y configuración mínima de nginx/proxy inverso. Mantén el resto igual."

Cambiar el nivel de detalle

cuando necesitas más o menos profundidad. "Reescribe la sección 'Anonimización' para ofrecer dos niveles: 'rápido' (implementación en 2 semanas con herramientas open source y ejemplos de regex) y 'completo' (arquitectura de NER y pipeline con pruebas automatizadas). Incluye estimación de esfuerzo en días-hombre."

Adaptar el tono

cuando el tono no es el adecuado para tu audiencia. "Convierte todo el documento a un formato de briefing ejecutivo de una página dirigido al CEO: resumen (máx. 8 frases), principales riesgos y decisión recomendada. Elimina detalles técnicos exhaustivos."

Versión ejecutiva resumida

para compartir con el Comité de Dirección. "Genera una versión ejecutiva de máximo 400 palabras con: objetivo del proyecto, inversión estimada, beneficios cuantificables y tres decisiones que el Comité debe tomar. Añade un timeline de 90 días con hitos clave."

Resultado

Que vas a obtener

Este es el tipo de output que genera IA con el prompt de este tutorial. El contenido varia segun tu empresa y situacion, pero la estructura es siempre esta:

Ejemplo de output — TecnoLogística Norte S.A., sector logística y transporte

Estructura del output

El prompt genera un documento seccionado: resumen ejecutivo, alcance funcional, requisitos técnicos, anonimización, seguridad y gobernanza, integración, plan de pruebas, despliegue, costes, riesgos y checklist. Cada sección incluye acciones, responsables y plazos.

Senales de un buen output

Resumen ejecutivo claro con KPIs y decisiones
Tabla de anonimización con ejemplos antes/después
Checklist operativo concreto de 10 ítems
Plan de despliegue con criterios de rollback

Senal de que el output es bueno: El output incluye transformaciones de anonimización ejemplificadas, responsables asignados y un checklist accionable que permite iniciar la ejecución.

Costes

Inversion y retorno

800$ Plan empresarial / mes

30-90 min por ejecución de revisión Por ejecucion del tutorial

∞ Reutilizaciones del prompt

ROI: La automatización reduce tiempo medio de respuesta y carga de trabajo repetitivo, liberando equipo RRHH para tareas estratégicas. ROI esperable en 6-12 meses por reducción de horas hombre y mejora en cumplimiento que reduce riesgo de sanciones.

Errores frecuentes

Que hacer cuando algo no funciona

Sintoma	Causa probable	Solucion exacta
Respuestas que exponen nombres o identificadores reales	Anonimización aplicada después del envío a la IA o ausencia de reglas NER	Reorder pipeline para aplicar anonimización en proxy previo a la IA; implementar reglas NER y pruebas unitarias que verifiquen transformaciones.
Altas latencias en respuestas	Modelo alojado en una región remota o recursos insuficientes on‑premises	Mover modelo a región más cercana, escalar nodos o implementar caché de respuestas para consultas frecuentes.
Falsos positivos en clasificación de consultas	Entrenamiento/prompt insuficiente o datos de entrenamiento sesgados	Recolectar ejemplos reales, crear set de validación, ajustar prompts y agregar reglas de fallback que escalen a humano.
Registros de auditoría incompletos	Logging no configurado para todas las capas o rotación automática mal configurada	Asegurar logging centralizado inmutable (ej. WORM), configurar retención y verificación periódica de integridad.
Rechazo regulatorio por tratamiento de datos sensibles	Falta de documentación de flujo de datos y ausencia de consentimiento cuando es necesario	Documentar Data Flow, obtener consentimientos necesarios, aplicar seudonimización y conservar registros de decisiones de diseño.

Modo avanzado

Como hacer este tutorial con IA en modo avanzado

El modo agente orquesta múltiples acciones autónomas: preprocesa entradas, aplica anonimización, consulta fuentes internas, y decide si escalar a humano. Es útil cuando se requiere automatización end‑to‑end con reglas de negocio complejas.

Modo avanzado

Flujo de trabajo avanzado

1
Recibir consulta y ejecutar módulo de clasificación y anonimización
2
Consultar HRIS y sistemas autorizados mediante API con credenciales limitadas
3
Generar respuesta automática y registrar decisión en el log inmutable
4
Si se superan umbrales de confianza, crear ticket y notificar al responsable humano

Actúa como agente operativo para asistentes de RRHH en [EMPRESA]. Al recibir una consulta, realiza en secuencia: 1) Ejecuta detección de PII y aplica anonimización según reglas definidas; 2) Clasifica la intención y extrae entidades; 3) Consulta APIs internas autorizadas si la intención lo requiere (simula respuestas si estás en entorno de pruebas); 4) Genera la respuesta automatizada siguiendo el tono corporativo de RRHH y añade referencia de escalado si confianza < 85%; 5) Registra en el log: id_consulta, transformaciones_aplicadas, decision_confianza, id_agente. Devuelve además un resumen de acciones ejecutadas y un playbook corto para intervención humana si procede. Mantén formato JSON con campos: {"respuesta":"...","anonimizado":"...","acciones":[...],"ticket":{...}}.

Cuando usar el modo avanzado en este tutorial: Especialmente valioso cuando hay flujo alto de consultas que requieren integración con sistemas internos (HRIS, nómina) y se necesita trazabilidad completa y respuesta automatizada con escalado seguro.

Siguiente paso

Que hacer ahora?

Ahora que has completado este tutorial, hay dos caminos naturales:

Tutorial relacionado · IA

Explorar mas tutoriales de IA

Descubre otros casos de uso de IA para directivos en diferentes funciones y sectores.

Biblioteca completa

Ver todos los tutoriales

Explora los tutoriales del programa organizados por herramienta, funcion y nivel de dificultad.

Para sacarle mas partido: Tras el despliegue inicial, programe revisiones mensuales de logs y casos escalados durante 3 meses para ajustar reglas NER y prompts; documente cambios en un control de versiones accesible a compliance y RRHH.

Alternativa segura

Puedo hacer esto sin que mis datos salgan de la empresa?

Si. Este caso de uso trabaja con datos que, por su naturaleza confidencial, estrategica o regulada, son candidatos optimos para ejecutarse con un modelo de lenguaje open source desplegado en infraestructura propia (on-premises o nube privada). Con esta configuracion, ningun dato abandona nunca los servidores de tu organizacion y el modelo no puede ser entrenado con tu informacion.

Modelos recomendados

Llama 3.3 70B — Ideal para analisis de documentos largos y generacion de texto estructurado (contexto 128K tokens).

Mistral Large 2 — Excelente para extraccion de informacion y clasificacion con alta precision.

Qwen 2.5 72B — Especialmente potente para analisis de datos tabulares y financieros.

Plataformas de despliegue

Ollama — Para equipos pequenos o uso individual en hardware propio.

vLLM — Para entornos de produccion con multiples usuarios simultaneos.

LM Studio — Para pruebas y uso individual sin configuracion de servidor.

Infraestructura minima

Para un modelo de 70B parametros en produccion:

GPU: 2x NVIDIA A100 40GB o 4x RTX 4090.

RAM: 128GB minimo.

Alternativa cloud privada: AWS Private Cloud, Azure Government o Google Cloud Confidential Computing.

Garantia de privacidad: Con un modelo on-premises correctamente configurado, los datos nunca salen de tu red corporativa, el modelo no se entrena con tu informacion, no hay transferencia internacional de datos y el cumplimiento normativo es total incluso para datos del art. 9 RGPD.

Necesitas implementar esta solucion en tu organizacion?

La configuracion de modelos open source on-premises requiere un proveedor tecnico especializado. Agere puede ayudarte a desplegar esta solucion en tu infraestructura de forma segura, con garantias legales y sin que tus datos salgan nunca de tu organizacion.

Contactar con Agere Conocer Agere