A unos meses de que la directiva europea de transparencia retributiva sea efectiva, las empresas miran a la inteligencia artificial esperando que sea la herramienta definitiva que les ayude a gestionar los datos de compensación desde una cuádruple perspectiva: la equidad, la brecha salarial, la explicabilidad y la eficiencia de los costes salariales. Estamos hablando del proceso más crítico en la gestión de RR.HH., del que más información maneja y del que se exige máxima precisión, pero ¿también es el más preparado para tomar decisiones basadas en IA?
Hacer compatible la IA con la definción de la estrategia retributivo son palabras mayores. Si un fallo en la nómina es un pecado capital, una revisión salarial o un bonus están mucho más expuestos al riesgo de los sesgos de lo que pensamos. Pueden ser a los sesgos de datos históricos o a la ausencia de datos contextuales que permitan entender el desempeño de un trabajador en el marco de las circunstancias que legalmente deberían ser objetivables. Se acomo fuere, las casuísticas son diversas y ponerse en modo «caso de uso» ayuda a entender que las decisiones de compensación no pueden delegarse en la IA.
Aplicaciones de la IA a la estrategia retributiva
- Determinar incrementos salariales o bonificaciones en función del desempeño.
- Sugerir promociones o ascensos.
- Predecir el potencial futuro del empleado.
- Comparar a empleados similares y establecer “rangos de mercado” automatizados.
Caso 1: «El sistema no entiende que tengo hijos»
Patricia tiene 38 años, dos hijos de 6 y 9, y trabaja como consultora en una multinacional de servicios profesionales. Es buena en su trabajo: sus evaluaciones anuales son siempre «excepcionales», sus clientes la valoran y factura por encima de la media de su categoría. Pero desde hace tres años, cuando llega diciembre y se reparten los bonus, Patricia cobra entre un 15% y un 20% menos que sus compañeros con evaluaciones similares. El año pasado pidió una reunión con RR.HH. y le enseñaron su «scorecard» automatizado:
- Facturación por cliente: 92/100 (excelente).
- Evaluación de cliente: 95/100 (excepcional).
- Cumplimiento de plazos: 88/100 (muy bueno).
- Compromiso con la firma: 63/100 (mejorable).
Ese último indicador hundía su puntuación global. Le explicaron que «compromiso con la firma» se medía algorítmicamente considerando variables como:
- Asistencia a eventos de networking (Patricia rechaza la mayoría porque son fuera de horario).
- Disponibilidad para proyectos urgentes con menos de 48h de aviso (Patricia necesita planificación para organizar cuidado de sus hijos).
- Respuesta a emails fuera de horario (Patricia desconecta a las 18h).
- Presencia física en la oficina (Patricia teletrabaja dos días por semana).
– «Esas métricas no miden mi compromiso con la empresa. Miden mi disponibilidad horaria ilimitada. Y yo no puedo tener disponibilidad ilimitada porque tengo dos niños pequeños», les dijo ella.
– «El sistema es objetivo, no hace distinciones por situaciones personales y aplica los mismos criterios -los que te hemos mostrado- a todos», le respondieron.
Según el registro retributivo de la empresa, en su categoría («Senior Consultant») la brecha de género en bonus es del 22%. Las mujeres con jornada reducida o medidas de conciliación están en el percentil 20 de bonus, mientras que los hombres sin hijos están en el percentil 75.
No es que el algoritmo sea machista conscientemente, es que premia patrones de comportamiento que solo son posibles si no existen obligaciones de cuidado. «El resultado es el mismo que si hubiera un jefe que dijera ‘pago menos a las madres’. Pero es más difícil de combatir porque está escondido tras capas de complejidad técnica y un discurso de objetividad», diría Patricia.
Caso 2: «El teletrabajo me ha costado 4.000 euros»
Juajo es desarrollador de software. Desde 2020, cuando llegó la pandemia, trabaja casi exclusivamente desde casa. Su empresa tiene política oficial de «trabajo híbrido flexible». Sobre el papel, puedes elegir dónde trabajar, pero en 2023 su bonus anual bajó un 18% respecto al año anterior, pese a que sus métricas de productividad (sprints completados, bugs resueltos, code reviews) habían mejorado. Pidió explicaciones y le dijeron que su puntuación en «colaboración» había bajado significativamente. El sistema medía la con tres criterios:
- Número de reuniones presenciales a las que asiste.
- Interacciones en espacios comunes (medidas por sistema de accesos por badge).
- «Visibilidad» en canales de comunicación interna durante horario laboral.
Juanjo teletrabaja, no puede asistir a reuniones presenciales y no pasa por los espacios comunes de la oficina, pero su «visibilidad» en Slack no se monitoriza.
– «Pero yo colaboro. Reviso más código de compañeros que nadie, mentorizo a desarrolladores junior y participo en las reuniones importantes, pero lo hago desde casa, que es lo que la empresa dijo que puedo hacer».
– «El sistema no distingue entre presencialidad y remoto y les aplica los mismos criterios. Aún así, me dijeron que si quiero mejorar mi puntuación debería considerar venir más a la oficina».
Juanjo tiene una enfermedad autoinmune que le hace especialmente vulnerable a infecciones. Para él, el teletrabajo no es una preferencia, es una necesidad médica, pero el algoritmo no lo sabe.
Caso 3: «De repente, a los 56 años no soy rentable»
Maribel tiene 56 ños y lleva 22 años trabajando en el mismo banco. Empezó como gestora de cuentas, ascendió a responsable de oficina y lleva diez años como directora de banca personal. Sus resultados son consistentemente buenos y su oficina tiene las mejores métricas de fidelización de la zona. Hace dos años, el banco implementó un sistema de IA para asignar objetivos individualizados y calcular bonus de la red comercial, «basado en el potencial real de cada persona para ser más justos». El primer año con el nuevo sistema los objetivos de ventas de Teresa subieron un 12% mientras su bonus potencial se mantuvo igual. En cambio, sus compañeros más jóvenes tuvieron subidas de objetivos menores.
Maribel preguntó y le explicaron que el sistema calcula «potencial de crecimiento» considerando múltiples variables, incluyendo «años de carrera restantes» y «inversión en formación reciente». A su edad, y según las proyecciones del sistema, le quedan 9-10 años de carrera activa, por lo que su potencial de crecimiento es menor que el de un compañero de 35 y de ahí que sus objetivos se ajusten al alza para maximizar el retorno de su productividad restante.
– «Esto es discriminación por edad. Estáis asumiendo que como me jubilo en menos años, debo rendir más por el mismo dinero. Como si mi experiencia no valiera nada, como si los últimos años de mi carrera fueran menos valiosos».
– «El sistema es objetivo y considera múltiples variables, no solo la edad».
Pero los datos agregados dicen lo contrario: todos los mayores de 50 tienen objetivos más exigentes en proporción a su bonus potencial. «Todos tenemos una experiencia que ningún algoritmo puede medir pero varios compañeros senior se han prejubilado anticipadamente no porque quisieran, sino porque el sistema les hacía la vida imposible, con objetivos inalcanzables, bonus cada vez más bajos y la sensación constante de que la empresa quiere que te vayas».
En los tres casos nos encontramos con variables que dejan fuera los datos de contexto del empleado (caso 1 y 2), que contravienen políticas corporativas e incluso contratos de trabajo (caso 2) o que directamente penalizan a colectivos determinados (caso 3). Las respuestas de RR.HH. en todos ellos suenan a cláusula de «exención de responsabilidad», a pesar de que contravienen la obligaciones empresariales de explicabilidad y transparencia.
