La IA va de personas, pero también de tecnología. Para los eslóganes queda bien separarlas, pero la plantilla debe utilizar una tecnología cuya elección es la segunda decisión estratégica a tomar, justo después de saber para qué y cómo se quiere utilizar. Cuando se trata de emplearla para gestionar los procesos de talento, más que qué aplicación elegir por sus funcionalidades aisladas, lo verdaderamente importante es entender cómo se integra cada opción en la arquitectura interna de datos y seguridad de la compañía. Y para ello las áreas de RR. HH. deben tener criterio propio y claridad absoluta sobre qué le piden exactamente a la estructura tecnológica.
Ideas clave
- Dos capas de decisión antes de elegir tecnología. La capa corporativa —cumplimiento normativo, ciberseguridad, gestión de identidades y control de accesos— y la capa profesional —criterios de uso, protocolos de validación y responsabilidad en la toma de decisiones asistidas— deben estar resueltas antes de activar cualquier herramienta.
- Copilot y Gemini no crean exposición: la hacen visible. Son una capa sobre el ecosistema corporativo (Microsoft 365 o Google Workspace) que opera con los permisos existentes. Si esos permisos están mal gobernados, la IA los pone en evidencia y los hace operativos.
- ChatGPT tiene un perfil de riesgo distinto: Shadow AI. Su problema no es la arquitectura sino el patrón de adopción: uso intensivo en cuentas personales fuera del perímetro corporativo, sin control contractual ni trazabilidad.
- La IA no introduce problemas nuevos: hace visibles los que ya existían. El reto no es elegir herramienta, sino decidir si la organización está preparada para que sus datos dejen de estar implícitamente controlados y pasen a ser activamente consultables por sistemas autónomos.
Dos capas de decisión antes de elegir tecnología
Antes de desplegar IA en procesos de personas, hay dos capas decisorias que determinan el riesgo real de la organización y que, cuando no están definidas, la adopción tecnológica no reduce incertidumbre, la redistribuye dentro de la organización.
- La capa corporativa: cumplimiento normativo, ciberseguridad, gestión de identidades y control de accesos.
- La capa profesional: criterios de uso, protocolos de validación y responsabilidad en la toma de decisiones asistidas.
Quién es quién en la IA generativa
Las principales soluciones de IA generativa no se diferencian tanto por capacidad como por su grado de integración en el ecosistema corporativo, y esa diferencia es la que determina el riesgo. Conviene distinguir tres capas que suelen mezclarse: el modelo (GPT, Claude, Gemini), el producto que lo envuelve (Copilot, ChatGPT, Claude Desktop) y el ecosistema en el que opera (Microsoft 365, Google Workspace).
Copilot no es un modelo aislado, sino una capa sobre el ecosistema Microsoft que puede operar sobre correos, documentos, reuniones y calendarios según los permisos del usuario —por ejemplo, preparar una evaluación consultando el historial de reuniones de un empleado o redactar un plan de desarrollo con el contexto de SharePoint.
El riesgo no reside en la IA, sino en la estructura previa de accesos: permisos acumulados durante años sin depurar, carpetas y sites heredados con acceso excesivo, comparticiones internas mal configuradas… En este contexto, la IA amplifica la exposición que ya existía. Una carpeta con tablas salariales compartida por error a «cualquier usuario de la organización», notas de una investigación por acoso en un canal de Teams «Público» en lugar de «Privado», o un técnico que cambió de departamento y conserva acceso a un SharePoint con actas de reestructuraciones: todo eso ya existía antes de Copilot, y lo nuevo es que cualquier consulta relacionada lo saca a la luz en segundos. Pero hay un segundo nivel de riesgo que no es solo amplificación, ya que la IA puede generar exposición nueva por agregación e inferencia, combinando datos individualmente inocuos —departamento, antigüedad, tipo de incidencia— hasta singularizar a una persona concreta, aunque ningún documento aislado la identifique. En RR. HH., donde el contexto siempre es abundante, ese riesgo de inferencia es tan relevante como el de acceso directo.
Gemini reproduce el mismo patrón sobre Google Workspace: acceso contextual a Drive, Gmail y Calendar según los permisos existentes. La evolución hacia capacidades más autónomas —con entornos como Gemini Spark, diseñado para operar 24/7 en segundo plano— introduce un cambio relevante relacionado con la automatización de acciones sobre datos corporativos.
Cuando la IA deja de responder y empieza a ejecutar flujos («cada vez que entre una baja médica al correo, actualiza el cuadrante de Sheets y avisa al mánager»), los errores de permisos van más allá de exponer información, porque también pueden desencadenar acciones en cadena sobre sistemas reales, modificando datos o enviando notificaciones erróneas de forma masiva.
El principal riesgo de ChatGPT en entornos de RR. HH. no está en su arquitectura, sino en su patrón de adopción, ya que est#225; muy extendido el uso intensivo en cuentas personales fuera del perímetro corporativo. Este fenómeno, conocido como Shadow AI, introduce tres problemas estructurales —: la ausencia de control contractual sobre los datos, la falta de trazabilidad de los usos y la exposición de información laboral sensible fuera del entorno seguro—. El matiz importa para cumplimiento, porque en los planes de consumo (Free y Plus) las conversaciones pueden utilizarse para mejorar el sistema salvo que el usuario configure explícitamente el opt-out de privacidad.
Las versiones Team y Enterprise reducen el riesgo jurídico mediante contrato, pero no resuelven el problema organizativo si el uso informal persiste: si parte del equipo sigue usando la versión gratuita por inercia, la inversión en la licencia corporativa se convierte en una falsa capa de seguridad.
Claude en su versión web o API no tiene integración nativa con repositorios corporativos, por lo que su riesgo depende exclusivamente de la información que el usuario introduce manualmente y, por consiguiente, el entorno es predecible y controlable mediante política interna y anonimización.
En entornos de agente (Claude Desktop con Computer Use activado), el modelo de interacción cambia: la IA puede operar sobre aplicaciones locales y sistemas abiertos en pantalla —procesando, por ejemplo, una nómina visible de fondo—, lo que amplía la superficie de exposición y desplaza el riesgo hacia la automatización operativa, con menor visibilidad para IT y Legal por ejecutarse en local.
| Modelo | Qué gobiernas |
|---|---|
| ChatGPT / Claude Web | Qué datos pueden introducir los usuarios, anonimización y formación. |
| Copilot / Gemini | Permisos, clasificación documental, identidad y accesos. |
| Claude Desktop | Despliegue del agente, permisos locales, supervisión y visibilidad por parte de IT. |
Principio común: ningún modelo de IA introduce por sí mismo un riesgo nuevo. Cada uno amplifica un punto distinto de la gobernanza existente: ChatGPT y Claude Web ponen a prueba las políticas de uso y la disciplina de los usuarios; Copilot y Gemini exponen los errores históricos en la gestión de permisos y la clasificación documental; Claude Desktop traslada el foco a la gobernanza de los agentes que interactúan con el puesto de trabajo. La diferencia entre organizaciones maduras e inmaduras no está en el modelo elegido, sino en la calidad de los controles que ya tenían implantados.
La matriz de riesgo en RR. HH.
No existe un modelo objetivamente más seguro que otro, lo que cambia es el origen del riesgo. Para verlo con precisión hay que distinguir dos cosas que conviene no confundir: el riesgo inherente al diseño del producto —lo que trae de fábrica, independientemente de cómo se configure— y el riesgo configuracional, que depende de las decisiones de gobernanza que tome la organización (permisos, políticas de uso, IAM, sandboxing del agente). Un producto con riesgo inherente bajo puede tener riesgo real muy alto si la configuración es deficiente, y viceversa.
| Producto | Integracióncorporativa | Protecciónde datos | Ciberseguridadinh. / config. | CumplimientoRGPD / AI Act | Gobernanzainh. / config. |
|---|---|---|---|---|---|
| ChatGPT Free / Plus |
Baja | Muy alto* |
Bajo
inh.
Medio
config.
|
Alto |
Medio
inh.
Muy alto
config.
|
| ChatGPT Team / Enterprise |
Media | Bajo |
Bajo
inh.
Bajo
config.
|
Medio |
Medio
inh.
Alto
config.
|
| Microsoft Copilot | Muy alta | Bajo |
Medio
inh.
Muy alto
config.
|
Alto |
Bajo
inh.
Muy alto
config.
|
| Gemini Workspace |
Muy alta | Bajo |
Medio
inh.
Muy alto
config.
|
Alto |
Bajo
inh.
Muy alto
config.
|
| Claude Web / API |
Baja | Medio** |
Bajo
inh.
Bajo
config.
|
Medio |
Bajo
inh.
Medio
config.
|
| Claude Desktop Computer Use |
Alta (local) | Alto |
Medio
inh.
Alto
config.
|
Alto |
Medio
inh.
Muy alto
config.
|
| Dependencia crítica transversal: en los seis casos, el factor que más determina el riesgo real no es el modelo, sino la madurez de la identidad y control de accesos (IAM) y la clasificación documental previas en la organización. Sin esas dos cosas resueltas, cualquier producto de esta tabla hereda el riesgo configuracional más alto de su fila. | |||||
* En ChatGPT Free/Plus, el riesgo de protección de datos depende en gran medida del comportamiento del usuario: por ejemplo, introducir datos sensibles sin configurar el opt-out de privacidad no es lo mismo que un uso sin datos personales. ** En Claude Web/API, el riesgo de protección de datos depende de si se usa la interfaz estándar o se conecta mediante MCP u otras integraciones a sistemas internos, lo que puede elevarlo. En ambos casos, la columna refleja el escenario de uso típico en RR. HH., no el límite teórico de cada producto.
Ciberseguridad y cumplimiento, decisión por decisión
En RR. HH. la ciberseguridad y el cumplimiento normativo no son capítulos aparte de la gobernanza sino parte de un todo visto desde dos ángulos. Cada riesgo identificado tiene, o debería tener, una acción de gobernanza que lo neutraliza. Esta sección los presenta juntos, riesgo y acción, para que la lectura sea directamente operativa.
En RR. HH. la ciberseguridad es un riesgo real asociado al manejo de datos personales como nóminas, expedientes disciplinarios o bajas médicas. Con la capa de la IA añadida, un error de configuración puede convertirse en un incidente con consecuencias críticas. Los siguientes casos, documentados por investigadores de seguridad independientes, ilustran el patrón:
- Copilot — «EchoLeak» (CVE-2025-32711, 2025): un correo manipulado, sin clic del usuario, hacía que Copilot exfiltrara ficheros internos por inyección de prompts indirecta.
- Copilot — fuga de DLP en Outlook (Microsoft, 2026): un bug de código permitía que borradores confidenciales eludieran las etiquetas de Microsoft Purview.
- Gemini Enterprise — «GeminiJack» (Noma Security, descubierto en junio de 2025, divulgado en diciembre): instrucciones ocultas en un correo o documento forzaban al sistema a exfiltrar datos sensibles a un servidor externo.
- ChatGPT — caso CISA (2026): el director interino de la Agencia de Ciberseguridad de EE. UU. introdujo documentos clasificados en la instancia pública de ChatGPT, vulnerando sus propias restricciones.
En la IA corporativa, el marco regulatorio lo dictan el RGPD —artículo 28 (encargado del tratamiento) y artículos 44-49 (transferencias internacionales)— y el Reglamento UE de IA, con obligaciones que se derivan del nivel de riesgo del sistema. La exposición legal varía según el producto:
- Copilot y Gemini: un fallo de permisos puede producir acceso indebido a datos confidenciales sin mala intención y sin dejar rastro. Conviene verificar que los DPA y las CCT cubren los datos laborales y la transferencia internacional asociada.
- ChatGPT: en consumo, falta contrato de encargado del tratamiento. En Team/Enterprise ese riesgo se reduce, pero persisten alucinaciones, sesgos y falta de trazabilidad que exigen supervisión humana.
- Claude Web/API: integración más limitada; el usuario controla qué introduce, lo que facilita mitigar el riesgo con política y anonimización.
- Claude Desktop: al interactuar con el escritorio, amplía la superficie de acceso y el riesgo de uso no gobernado o poco visible para IT, Legal y Compliance.
Queda un último riesgo, transversal a todos: la trazabilidad. Y es que los LLM ofrecen una explicabilidad limitada, por lo que un flujo agéntico sin validación intermedia puede operar al margen de la conformidad legal exigida.
Criterios de elección según ecosistema
| Si tu organización… | Producto recomendado | Ventaja estratégica para RR. HH. | Requisito de gobierno prioritario |
|---|---|---|---|
| Trabaja en Microsoft 365 | Microsoft Copilot | Máxima integración nativa con Teams, Outlook y expedientes en SharePoint. | Madurez previa en gobernanza de identidades y permisos. Auditoría y limpieza profunda de accesos internos. |
| Trabaja en Google Workspace | Gemini | Excelente rendimiento en análisis de datos de plantilla y automatizaciones en Sheets. | Control fino de accesos. Validación humana en el despliegue de flujos agénticos autónomos. |
| Busca análisis cualitativo sin integración | Claude (Web/API) | Alta capacidad analítica y calidad de razonamiento. Menor exposición estructural por su nula integración de red corporativa. | Políticas de uso manual y pautas de anonimización para el usuario. |
| Necesita un uso generalista y transversal | ChatGPT Enterprise | El más intuitivo y con mayor adopción natural entre los técnicos. | Control estricto del uso fuera del perímetro corporativo. Bloqueo técnico de versiones gratuitas. |
Conclusión
La diferencia entre modelos no está tanto en su capacidad como en el grado en que reflejan —y exponen— la realidad interna de la organización. La IA no introduce problemas nuevos en RR. HH., hace visibles y operativos los problemas de gobernanza que ya existían en los sistemas de información.
Ningún proveedor instala la gobernanza corporativa ni el criterio profesional de los equipos, los construye la organización o sencillamente no existen. Elegir la herramienta adecuada es un reto porque implica conocer en profundidad si la organización está preparada para que sus propios datos dejen de estar implícitamente controlados y pasen a ser activamente consultables por sistemas autónomos.
- Caso EchoLeak (inyección indirecta de prompts, CVE-2025-32711): Documentado por los equipos de investigación de Aim Security.
- Caso GeminiJack (vulnerabilidad arquitectónica en Gemini Enterprise y Vertex AI Search): Descubierto por los analistas de Noma Security el 5 de junio de 2025, divulgado públicamente el 8 de diciembre de 2025, tras la colaboración con Google para mitigarlo.
- Incidente DLP en Outlook/Purview: Reportado por Microsoft en sus boletines de seguridad del ecosistema Office 365.
- Uso de entornos de consumo en agencias gubernamentales: Auditorías de incidentes publicadas en los paneles informativos de la Cybersecurity and Infrastructure Security Agency (CISA) de EE. UU.
