La IA puede acelerar el resource planning, pero debe mejorar la evidencia y no tomar decisiones autónomas sobre personas. Su utilidad está en organizar skills, disponibilidad, demanda e historial, explicando cada propuesta y sus lagunas.
Define la decisión
Aclara quién puede hacer el trabajo, quién está disponible, qué desarrollo conviene y qué restricciones son obligatorias. Usa campos explícitos: rol, skills verificadas, nivel, idioma, ubicación, rate, continuidad y conflictos.
Separa requisitos de preferencias. Convertir cada preferencia en filtro excluye perfiles válidos.
Crea un modelo de skills mantenible
El inventario necesita vocabulario controlado, evidencia y fecha. Combina perfil, proyectos, certificaciones y validación. Una palabra antigua en un CV no demuestra competencia actual.
Empieza por skills que cambian decisiones reales y gestiona sinónimos mediante revisión.
Une demanda, disponibilidad y economía
Usa una timeline común para proyectos firmados, demanda probable, ausencias y asignaciones. Muestra fuente y confianza de cada señal.
Incluye bill rate, coste y margen sin elegir siempre a la persona más barata. Calidad, continuidad y desarrollo también importan.
Usa IA para búsqueda y escenarios
La IA puede extraer skills autorizadas, encontrar experiencia similar, resumir conflictos y crear alternativas. Cada resultado debe enlazar la fuente y mostrar incertidumbre.
Los escenarios superan al ranking único: inicio posterior, senior parcial o apoyo a un near-fit. El modelo de capacity planning aporta la vista global.
Human review y gobernanza
Asigna quién aprueba y corrige. Permite impugnar datos erróneos y registra input, output, elección y motivo cuando afecta oportunidades.
Para usos de impacto, revisa reglas aplicables con especialistas. Consulta NIST AI RMF y el portal oficial de IA de la Comisión Europea.
Mide calidad de decisión
Mide tiempo hasta shortlist válida, reasignaciones, correcciones, dobles reservas y lead time. Audita si proxies no laborales reducen oportunidades para algunos grupos.
El éxito no es aceptar la primera recomendación, sino mejorar resultados y correcciones.
Rollout seguro
Empieza por búsqueda read-only, sigue con escenarios y después recomendaciones revisadas. Automatiza tareas de bajo riesgo solo cuando precisión y reversibilidad estén probadas.
Pilota una práctica con datos limpios durante varias reuniones. La confianza nace de evidencia clara, no de una puntuación opaca.
Ficha de evaluación del caso de uso
Para cada función de IA registra propósito, usuarios, datos, output, decisión afectada, daño posible, revisor y mecanismo de corrección. Prueba exactitud con perfiles reales autorizados, idiomas, datos incompletos y casos límite, no solo con ejemplos elegidos para una demo.
Publica limitaciones y evita que la puntuación se convierta en una decisión automática. Revisa trimestralmente calidad, quejas, correcciones y distribución de oportunidades. Pausa la función cuando falten datos, explicaciones o capacidad humana para revisarla de forma significativa.
