HERRAMIENTAS DE LA INTELIGENCIA ARTIFICIAL VS PROCESOS TRADICIONALES DE EVALUACIÓN DEL DESEMPEÑO: UN ENFOQUE COMPARATIVO APLICADO A LA GESTIÓN DEL TALENTO HUMANO

ARTIFICIAL INTELLIGENCE TOOLS VS TRADITIONAL PERFORMANCE EVALUATION PROCESSES: A COMPARATIVE APPROACH APPLIED TO HUMAN TALENT MANAGEMENT

 

Jiménez Marisol.* & Bravo Arturo.** 

*Universidad Nacional de Loja

**Universidad Iberoamericana del Ecuador – UNIB.E

Autor corresponsal: marisol.jimenez@unl.edu.ec

DOI: www.doi.org/10.55867/qual31.02

Como citar (APA): Jiménez Gaona, M., & Bravo Jiménez, A. J. . (2026). Herramientas de la inteligencia artificial vs procesos tradicionales de evaluación del desempeño: un enfoque comparativo aplicado a la gestión del talento humano. Qualitas Revista Científica, 31(31), 023 - 045. https://doi.org/10.55867/qual31.02

 

Manuscrito recibido el 18 de julio de 2025. 

Aceptado para publicación, tras proceso de revisión, el 05 de enero de 2026.

Publicado, el 07 de enero de 2026.

Resumen

El artículo tiene como objeto analizar los métodos tradicionales y las herramientas de inteligencia artificial, utilizados para la evaluación del desempeño en la gestión del talento humano. Se desarrolló bajo un enfoque cualitativo con carácter documental y comparativo, utilizando el método analítico - sintético, se emplearon técnicas como el análisis bibliográfico y entrevistas semiestructuradas para recopilar información de 11 expertos en procesos de evaluación y herramientas de IA. Los resultados revelaron que los métodos tradicionales, como la evaluación 360°, por objetivos y competencias son los más frecuentes por su bajo costo, aunque tienen un grado de subjetividad y escaso feedback. Por su parte, las herramientas de IA aportan una mayor objetividad, análisis en tiempo real y capacidad predictiva, pero su implementación es limitada por el costo y el equipo técnico. Se recomienda incorporar modelos híbridos que integran ambos métodos para garantizar la eficiencia sin dejar de lado el talento humano.

 

Palabras clave: evaluación del desempeño, gestión del talento humano, herramientas, inteligencia artificial, modelos híbridos.

Abstract

The objective of the article was to comparatively analyze the traditional methods and artificial intelligence tools used for performance evaluation in human talent management. It was developed under a qualitative approach with a documentary and comparative character, using the analytical-synthetic method, techniques such as bibliographic analysis and semi-structured interviews were used to collect information from 11 experts in evaluation processes and AI tools. The results revealed that traditional methods, such as 360° evaluation, by objectives and competencies, are the most frequent due to their low cost, although they suffer from subjectivity and poor feedback. On the other hand, AI tools provide greater objectivity, real-time analysis and predictive capacity, but their implementation is limited by cost and technical equipment. It is recommended to incorporate hybrid models that integrate both methods to ensure efficiency without neglecting human talent.

 

Key words: performance evaluation, human talent management, tools, artificial intelligence, hybrid models.

                                                                                                                                                                                                   

INTRODUCCIÓN

Históricamente, se conoce que la Gestión del Talento Humano (GTH) ha evolucionado desde enfoques manuales, encarnados en la formación o evaluación según jerarquías, con una importante carga humana y subjetiva (Chiavenato, 2020). Al igual, Rodríguez y Heredia (2019), concuerdan con Chiavenato al indicar que se vincula a procesos administrativos y operativos enfocados en el control del personal, tales como, contratación y despidos, la aplicación de normas y leyes vigentes, pagos de nóminas, los controles de asistencia, adiestramiento y desarrollo de los integrantes de una organización, entre otras funciones.

Con el tiempo, se reconoce que la evolución de la GTH pasó de un rol transaccional a uno transformacional, pues autores como Báez (2024), manifiesta que en la era actual se valora el potencial, desarrollo y bienestar de los trabajadores ya que las organizaciones los consideran como su recurso más valioso e importante. Ortega et al. (2017) argumentan que los modelos de gestión de talento humano aparecen para evidenciar cambios de paradigmas sobre el trato hacia los trabajadores dentro de las empresas, considerándolos más como personas que tienen capacidades de desarrollo útiles para fines de la organización, proponiendo que el conocimiento se materialice en un recurso que aporte a la productividad y que al mismo tiempo se cuide a las personas.

Uno de los primeros antecedentes significativos en este ámbito corresponde a la expuesta por Huang, Wu, Kuo y Huang (2001), acerca de un modelo de redes neuronales artificiales para realizar una selección de talento humano. La investigación desarrollada es, entre otras cosas, la primera en demostrar la capacidad de la IA para apoyar decisiones de gestión del desempeño. Los hallazgos muestran que los algoritmos son capaces de superar las limitaciones del uso de métodos tradicionales al permitir la predicción de una adecuada selección de los candidatos de forma más eficaz.

Dentro de la gestión de talento humano, la evaluación del desempeño es una herramienta fundamental para medir, retroalimentar y dirigir el desempeño individual y de equipo a partir de los objetivos estratégicos. Sin embargo, los métodos tradicionales de evaluación como 360°; evaluación por competencias y por objetivos han sido objeto de críticas por su propia carga subjetiva, la escasa retroalimentación efectiva generada y su limitada capacidad para proporcionar información útil y comparable (Dessler, 2020).

En este sentido, el término GTH 4.0 se presenta como respuesta a la Cuarta Revolución Industrial, que suma a las organizaciones la tecnología como la inteligencia artificial (IA), big data, y el Machine Learning que han cambiado la forma de evaluar y de gestionar el talento en la forma de autoevaluarse (Mantello et al. 2023). De esta forma, dichas tecnologías permiten la automatización de los procesos, ofrecen la posibilidad de minimizar los sesgos, resolviendo la predicción de tendencias en el desempeño y permitir la retroalimentación en tiempo real, a partir de dashboards inteligentes, análisis de KPIs o del uso de sistemas conversacionales (Tambe et al, 2019).

Por ello, el uso de la inteligencia artificial aplicada en el desempeño es un campo emergente que ha ido ganando fuerza durante las últimas décadas, aunque no existe un consenso claro acerca del primer hallazgo específico del uso de IA en este ámbito concreto, sí que han existido diferentes estudios que han llevado a cabo una exploración de la evolución y su aplicación. Por ejemplo, un estudio llamado Evolution of Artificial Intelligence Research in Human publicado en el año 2019, hizo una revisión del uso aplicando la IA en el área de recursos humanos donde se explicaba cómo las tecnologías emergentes han transformado la práctica de evaluación de desempeño en este ámbito (Jatobá et al, 2019).

A nivel internacional, hay empresas como IBM que han puesto en marcha la IA para optimizar la retroalimentación y el seguimiento del rendimiento, y tener una mejora de un 34 % en la satisfacción de los empleados y un descenso de un 30 % en la rotación del personal (Psico-Smart, 2024); en América Latina, hay empresas como Redarbor que han incluido la IA en sus procesos de selección para disminuir costo y tiempos de contratación (País, 2025).

En el ámbito regional específicamente en Colombia, Notus desarrolló una plataforma que sirve para medir el estrés, el tiempo de descansos, riesgo de burnout dentro de los equipos de trabajo a la vez que analiza datos como la frecuencia de correos y el tipo de lenguaje empleado (Valle, 2025). En Ecuador, dentro del sector laboral se ha comenzado a incorporar la inteligencia artificial en sus procesos de selección y formación, por ejemplo, en Quito la empresa Solutek B2B ofrece análisis de desempeño con IA la cual utiliza algoritmos para evaluar el rendimiento basado en datos, patrones y KPI en tiempo real (Solutekla, 2025).

Frente a este escenario aparecen herramientas conocidas como SAP SuccessFactors, Workday y Eightfold.ai que aportan soluciones avanzadas para la gestión del rendimiento a través de algoritmos predictivos, análisis de datos y recomendaciones automatizadas (CourseBox, 2024); además, aparecen modelos híbridos que combinan la evaluación tradicional y herramientas digitales, permitiendo realizar una transición hacia sistemas más objetivos sin renunciar al factor humano dentro del proceso (Charas y Lupushor, 2022). A pesar de estos adelantos tecnológicos, en el caso de Ecuador sigue existiendo un hueco teórico y práctico respecto a las comparativas entre los métodos tradicionales y los métodos con IA en la evaluación del rendimiento. Las empresas se enfrentan a la necesidad de implementar la modernización de sus sistemas evaluativos, a la superación de la resistencia al cambio, a la brecha digital y a la escasez de evidencia aplicada que pueda respaldar la importancia de la utilización de nuevas herramientas. Esto limita la efectividad de la GTH en un entorno cada vez más dinámico, digitalizado y competitivo (Gonzabay y Pacheco, 2024).

Según el último estudio de inteligencia artificial realizado a 4.033 participantes entre trabajadores y especialistas en recursos humanos en el sector laboral de Multitrabajos el 39% de los colaboradores en Ecuador emplea la IA en sus actividades laborales, aunque su uso se centra especialmente en herramientas de productividad y para generar contenido (Ondata, 2024). Lo que evidencia que persiste el uso de estas tecnologías en los sistemas de evaluación. Desde esta perspectiva se plantea la siguiente hipótesis: “La evolución de la evaluación del desempeño en la gestión del talento humano está siendo significativamente influenciada por la incorporación de herramientas de inteligencia artificial, lo que genera cambios en los enfoques, metodologías y resultados de los procesos evaluativos en comparación con los métodos tradicionales.”

De igual forma se formula la siguiente pregunta central: ¿En qué medida el uso de las herramientas de inteligencia artificial ofrece ventajas comparativas frente a los procesos tradicionales en la evaluación del desempeño del talento humano en el contexto actual?, a la vez para poder respaldarla se desarrollaron las siguientes preguntas de investigación: ¿Cuáles son los métodos de evaluación del desempeño tradicionales y con IA más utilizados en las empresas ecuatorianas? ¿Qué características, beneficios y limitaciones presentan los métodos tradicionales de evaluación del desempeño en comparación a las herramientas de inteligencia artificial? Y ¿Qué diferencias existen entre los métodos tradicionales y las herramientas de inteligencia artificial en términos de objetividad, eficiencia, costo, adaptabilidad y aplicabilidad en la gestión del talento humano?

PERSPECTIVAS TEÓRICAS

Gestión de Talento Humano 

La gestión de talento humano es el elemento primordial de los procesos funcionales de una organización, porque es el encargado del correcto manejo y uso de los recursos humanos al igual de sus capacidades para desarrollar las funciones que les corresponde, mediante una correcta GTH se puede generar un compromiso con los colaboradores sobre su rendimiento, cumplir con los objetivos, misión, visión y las políticas propias de la empresa (Castro, 2021).

Idalberto Chiavenato (2019), la describe como el conjunto de políticas y prácticas esenciales para gestionar puestos gerenciales afines con las personas o recursos; poniendo en práctica los procesos de reclutamiento, selección, capacitación, recompensas y evaluación del desempeño para propiciar y fomentar el bienestar, desarrollo profesional y personal de los empleados, en busca de su satisfacción laboral integral, que incluye factores psicológicos, físicos e intelectuales.

Por su parte, Eslava (2011) enfatiza un enfoque estratégico, donde la gestión del talento humano busca conseguir la máxima creación de valor para la empresa a través de acciones que aseguren el nivel adecuado de conocimiento, capacidades y habilidades para ser competitivos en el presente y futuro.

Fundamentos de los métodos tradicionales de evaluación del desempeño

La evaluación del desempeño ha sido históricamente identificada como una de las primeras funciones clave de la GTH tradicional, donde se nombran métodos de evaluación como la de competencias, la evaluación por objetivos o el esquema 360°. Si bien esos métodos permiten evaluar el comportamiento o el cumplimiento de metas o la percepción interpersonal entre personas, su principal debilidad se encuentra en la carga subjetiva del evaluador o en la escasa posibilidad de generar un proceso de retroalimentación continúo basado sólo en el buen juicio humano (Dessler, 2020). Estas debilidades han motivado la búsqueda de herramientas más objetivas y automatizadas.

Werther y Davis (1992) definen a la evaluación de desempeño tradicional como el proceso de valoración del rendimiento del empleado haciéndolo principalmente con la supervisión directa, por lo que se puede deducir como un procedimiento continuo para medir y evaluar de manera transparente el rendimiento de los trabajadores en un tiempo determinado. Al igual, Rodríguez y Álvarez (2021), concuerdan que este proceso de evaluación es la acción de dar valor y calcular el mismo en relación del trabajo que realiza una persona y que por lo general va existir una parte de subjetividad la cual resulta de la estimación personal entre el evaluador y el evaluado.

Inteligencia artificial para la toma de decisiones en talento humano

La aparición de nuevas tecnologías, unido al contexto de la Cuarta Revolución Industrial, también ha llevado a incorporar el uso de las tecnologías digitales a la evaluación del talento; un cambio que ha dado lugar a dashboards de rendimiento, a sistemas de feedback automatizados, algoritmos analíticos del rendimiento. Estas soluciones han permitido la mejora en la recepción y análisis de datos en tiempo real y una reducción de la carga operativa de los departamentos de talento humano (Cortés et al, 2017).

Tambe et al. (2019) destacan que la IA ha empezado a convertirse en la protagonista de esta nueva era y lo será en ámbitos tales como el reclutamiento, la capacitación y por supuesto la evaluación del desempeño, es decir, las soluciones basadas en IA permiten la automatización de las tareas, la detección de patrones en los datos masivos y a la vez generar recomendaciones personalizadas para el desarrollo de los trabajadores. Concordando con Madiedo (2024) la cual afirma que las plataformas basadas en la nube como SAP SuccessFactors, Workday y Oracle HCM Cloud brindan soluciones integrales que van desde el reclutamiento hasta la jubilación, siendo señales claras del cambio digital que está ocurriendo, capaces de analizar el rendimiento laboral con base en indicadores cuantitativos y feedback en tiempo real desde el punto vista laboral.

Transformación digital del desempeño laboral: del juicio humano al algoritmo inteligente

Con la aparición de la inteligencia artificial en procesos de evaluación del desempeño se ha ampliado un propio panorama evaluativo. Por ejemplo, Gonzabay y Pacheco (2024) determinan el uso de dashboards inteligentes o sistemas de retroalimentación automatizados como herramientas que mejoran el nivel de objetividad, y que a su vez limitan los sesgos cognitivos en la evaluación. No obstante, esa transformación abarcará también aspectos éticos y técnicos como por ejemplo garantizar la transparencia algorítmica, proteger datos personales, o la validación de los resultados (Calderón, 2023).

De acuerdo con Ipsos un 71% de ecuatorianos indican que conocen sobre la IA, lo que revela un claro interés por las nuevas tecnologías. En Ecuador, aunque su adopción sigue siendo compleja, empresas como Evaluar.com, Talent Solutions Ecuador y Solutekla ya aplican IA y herramientas automatizadas para evaluar el rendimiento laboral. Estas soluciones han demostrado ser eficaces para aumentar la objetividad, reducir el sesgo humano y optimizar la toma de decisiones en recursos humanos (Gestión, 2024).

Modelos híbridos: la convergencia entre inteligencia humana y artificial en la evaluación

Con la unión de los procesos de evaluación se plantean los denominados modelos híbridos, que combinan el juicio humano con las capacidades analíticas de la tecnología, estos modelos no pretenden sustituir lo tradicional, sino complementar el análisis humano con herramientas que tengan mayor precisión e incluso arrojen datos en tiempo real, de forma que se propongan modelos de evaluación más integrales, objetivos y ajustados al contexto actual (Pletcher, 2023).

Consuelo García (2024), experta en Psicología de las Organizaciones y del Trabajo confirma que los modelos híbridos son indispensables en las empresas y que por lo mismo tienen que adaptarse a la época actual, propone algunas herramientas y plataformas que sirven para la gestión del rendimiento como Lattice, BambooHR y Trakstar, indicando que para su implementación requieren de marcos éticos, formación digital y supervisión humana siendo importante analizar estas tendencias a fin de poder proponer prácticas evaluativas exitosas, justas y sostenibles en la actualidad organizacional

MÉTODOS

Objetivos

Este trabajo de investigación se realizó bajo un enfoque cualitativo utilizado para comprender fenómenos sociales o humanos desde una perspectiva interpretativa y no numérica, con carácter documental y comparativo, puesto que su objetivo es analizar e interpretar información teórica y conceptual no sólo de los métodos tradicionales de evaluación del desempeño, sino también de las herramientas de inteligencia artificial (IA), a la hora de evaluar el desempeño en la Gestión del Talento Humano (GTH).

González Mariela (2024), define al enfoque documental como la recopilación de fuentes académicas entre ellas artículos, revistas y libros con particular fiabilidad y pertinencia. Además, se utilizó el método analítico-sintético el cual según Hernández et al. (2020), sirve para descomponer la información y reorganizarla conceptualmente. Este método fue de gran ayuda para analizar y comprender la información encontrada para luego obtener una visión más completa y profunda.  

Población y Muestra

Luego se aplicaron entrevistas semiestructuradas a 11 expertos en el área de gestión de talento humano que dominen el tema de evaluación del desempeño. Fueron seleccionados por muestreo no probabilístico considerando su experiencia dentro de las empresas públicas y privadas en el Ecuador, con cargos como jefes de talento humano y que estén en continua innovación y aplicación de la inteligencia artificial. Estas entrevistas se llevaron a cabo de manera virtual y presencial durante los meses de mayo y junio de 2025, con preguntas abiertas relacionadas al tipo de evaluación y herramientas con IA utilizadas.

La información recopilada fue sistematizada en matrices de análisis comparativo, clasificada según criterios: tipo de evaluación, nivel de objetividad, beneficios, limitaciones, aplicabilidad y costos. Y para la gestión de los resultados se fue describiendo los hallazgos de forma narrativa, con el objetivo de utilizar la información para dar una comprensión completa, basada en la evidencia, de las diferencias, similitudes y aportaciones de ambos enfoques evaluativos.

 

Técnicas e instrumentos

El tipo de diseño de la investigación fue no experimental de corte transversal, ya que no se implicó la manipulación de variables y se desarrolló en un solo momento cronológico para describir características del fenómeno, tal como lo indica Zendesk (2023) al mencionar que este diseño permite observar varias características simultáneamente.

El trabajo de campo incluyó, técnicas como el análisis bibliográfico en artículos científicos, libros y revistas indexados en bases como Scopus, Redalyc y Google académico. Se revisaron entre 50 documentos inicialmente, con preferencia de publicación desde el 2019 en adelante, revisando que tengan relevancia con el tema, artículos en español e inglés.

RESULTADOS Y DISCUSIÓN

A continuación, se resume los resultados de las entrevistas aplicadas a los expertos en los métodos de evaluación tradicional y con IA, indicando lo más relevante de cada aspecto evaluado.

Comparación entre herramientas de IA y métodos tradicionales de Evaluación de Desempeño

Las diferencias entre los métodos de evaluación del desempeño tradicionales y las herramientas de evaluación basadas en la inteligencia artificial (IA), son importantes desde una perspectiva de la objetividad, eficiencia, velocidad, alineación estratégica empresarial y la motivación, en el caso de la evaluación por competencias y por objetivos, los métodos tradicionales están influenciados por las opiniones del evaluador, lo que suele generar errores debidos a la subjetividad y a la impresión que causan los evaluados eso restaría efectividad a los procesos de diagnóstico, mientras que los métodos de evaluación que utilizan IA se sirven de algoritmos que analizan la información de los datos y reducen la alta carga de subjetividad, lo que incrementa la fiabilidad de los resultados (Psico-Smart, 2024).

Por otro lado, los métodos tradicionales requieren largos períodos para obtener una retroalimentación, mientras que en los sistemas de evaluación con IA se obtiene información generada en tiempo real, lo que conlleva a un aumento en la velocidad de respuesta y la rapidez en la toma de decisiones (Psico-Smart, 2024). En la nueva práctica, la IA permite evaluar a los colaboradores de una empresa a la misma vez, sin perder de vista la calidad de la evaluación.

 

 

Tabla 1. Comparación de costos entre métodos tradicionales y plataformas de IA

Método / Plataforma

Tipo

Costos

Tiempo Estimado

Observaciones

Evaluación 90° (por pares)

Consultoría

$20 - $35 usuario (Medio)

2 – 4 semanas

Evaluación entre trabajador y supervisor directo.

Evaluación 360°

Consultoría

$30 - $50 usuario (Medio)

4 – 6 semanas

Involucra jefe, pares, subordinados y autoevaluación.

Evaluación por competencias

Consultoría

$25 - $40 usuario (Medio)

3 – 5 semanas

Basada en habilidades técnicas y blandas.

Evaluación por objetivos (MBO)

Consultoría

$20 - $35 usuario (Medio)

2 – 4 semanas

Centrada en resultados y metas acordadas.

SAP SuccessFactors

Plataforma IA

Desde $31.92/mes usuario $3,192/año (Alto)

4 – 6 meses

Evaluación continua basada en KPIs y feedback.

Workday

Plataforma IA

Bajo cotización (Alto)

4 – 6 meses

Integración con planificación financiera.

Eightfold.ai

Plataforma IA

Desde $10/mes usuario     $1,000/año (Alto)

2 – 3 meses

Usa IA para predecir desempeño y promover.

UKG Ready (ex Kronos)

Plataforma IA

Desde $6/mes usuario (Bajo)

1 – 2 meses

Automatiza procesos y genera reportes.

15Five

Plataforma IA

Desde $4/mes usuario

(Bajo)

1 – 2 meses

Ideal para check-ins y retroalimentación semanal.

Bizneo HR Suite

Plataforma IA

Desde $5/mes usuario (Bajo)

1 – 2 meses

Analiza competencias y propone acciones formativas.

Nota. En esta tabla se evidencian los costos que implican contratar estas herramientas y utilizar los métodos tradicionales.

 

Tal como se muestra en la tabla, en comparación de los métodos tradicionales de evaluación del desempeño con las plataformas de evaluación del desempeño con inteligencia artificial (IA), se hallan las diferencias de costo, frecuencia y escalabilidad. En los métodos tradicionales como la evaluación 360º, por competencias y por objetivos, el costo de aplicación por usuario esta entre los $20 a $50 considerado como medio, mientras que las plataformas de inteligencia artificial ya señaladas como SAP SuccessFactors, Bizneo HR Suite o 15Five, funcionan con suscripciones mensuales que disminuyen el costo por usuario del propio software que va desde los $4 hasta los $32 por empleado. Además, las herramientas digitales analizadas permiten realizar evaluaciones de forma continua, automatizar los procesos y analizar en tiempo real, lo que les concede valor de escalabilidad y eficiencia para las organizaciones que tienen plantillas de trabajadores numerosas. Por consiguiente, si bien el costo de los métodos tradicionales pudiera ser alto, las herramientas digitales con IA dan mayor flexibilidad e innovación, así como unos costos de bajo mantenimiento en el largo plazo. Por último, el análisis del costo y beneficio dependerá de la magnitud de la empresa, del nivel de digitalización de la misma, y del propósito estratégico del sistema de evaluación.

Tabla 2. Tabla comparativa de métodos tradicionales vs IA

Evaluación de Desempeño - Métodos tradicionales vs IA

Aspecto Evaluado

Evaluación Tradicional

Evaluación con IA / Herramientas Digitales

 

 

 

Métodos utilizados

· Evaluación 360°

· Evaluación por competencias

· Evaluación por objetivos

· Autoevaluación anual o semestral

· Plataformas digitales Aptitude, Work Meter

· Herramientas digitales básicas como SIITH, Excel

· Algoritmos predictivos

· People Analytics

· Dashboards automáticos

Características

· Se realizan de forma anual

· Utilizan instrumentos como escalas de clasificación

· Se enfoca en métricas clásicas como productividad y cumplimiento

· Procesos formales con entrevistas o cuestionarios

· Evaluación continua y en tiempo real

· Uso de análisis de datos

· Integran múltiples fuentes de información

·  Personalización de evaluaciones y planes de desarrollo

· Automatizan y procesan los reportes

 

 

 

Beneficios

· Claridad de objetivos y competencias

· Facilita participación de evaluadores y supervisores

· Culturalmente aceptado

· Bajo costo inicial

· Reducción de sesgos

· Análisis predictivo de desempeño

· Identificación temprana de problemas

· Personalización de planes de Desarrollo

· Automatización y rapidez

 

 

 

Limitaciones

· Subjetividad

· Sesgos personales

· Procesos extensos y burocráticos

· Dificultad de seguimiento en plantillas numerosas 

· Costos iniciales de implementación

· Requiere de competencias digitales

· Resistencia al cambio

· Preocupaciones sobre manejo de datos personales

 

 

Vigencia / Validez actual

· Aún válido como base estructural

· Requiere actualización e integración con nuevas herramientas

· Creciente adoptación en empresas grandes

· Necesita formación técnica

· Complemento a sistemas tradicionales

 

 

Tipo de datos / Información generada

· Evaluación cualitativa y cuantitativa de competencias y objetivos

· Información periódica (anual o semestral)

· Datos masivos y en tiempo real

· Cruce de indicadores de desempeño, rotación, ausentismo, burnout, etc.

· Reportes automatizados

 

 

Impacto en toma de decisions

· Decisiones basadas en percepciones gerenciales

· Lenta respuesta a problemas

· Decisiones basadas en datos objetivos y en tiempo real

· Mejor anticipación de problemas de desempeño

· Alineación estratégica

 

 

Dificultades en implementación

· Capacitación básica de evaluadores

· Sesgo dado por relación personal

· Procesos largos

· Costos iniciales elevados

· Resistencia cultural

· Formación técnica en herramientas digitales

· Riesgos éticos en protección de datos

 

Diferencias claves

 

· Subjetividad

· Evaluación periódica

· Menor capacidad predictive

· Mayor objetividad

· Evaluación continua

· Análisis de patrones ocultos

 

 

Viabilidad de modelos híbridos

· Requieren soporte digital para optimizar el proceso

· Puede integrarse con plataformas digitales

· Viable en empresas grandes

· Limitada en pymes por costos

 

Recomendaciones para implementación

· Capacitación básica en metodologías de evaluación

· Capacitación en competencias digitales

· Definir políticas éticas claras

· Transparencia en uso de IA

 

Perspectiva a futuro

· Mantenerse como soporte estructural básico

· Complementarse con herramientas digitales

· Rol protagónico en toma de decisiones estratégicas de talent

· Herramienta esencial de apoyo a la gestión humana

 

Reflexión adicional

· La combinación de lo humano y lo tecnológico es la clave

· La IA es un complemento, pero el liderazgo humano sigue siendo insustituible

Fuente:  En la tabla se puede observar de manera sintetizada los resultados de las entrevistas a expertos en Evaluación de desempeño.

 

Figura 1. Métodos tradicionales vs herramientas con IA que se utilizan en Ecuador

Fuente: En la figura se contesta la primera pregunta de investigación sobre los métodos tradicionales y con IA que se utilizan en Ecuador para la evaluación de desempeño.

 

 

 

Figura 2. Características, beneficios y limitaciones de ambos métodos de evaluación de desempeño

Fuente: La figura presenta las características, beneficios y limitaciones de los métodos tradicionales de evaluación de desempeño y las herramientas con IA que se utilizan para lo mismo.

 

 

 

 

 

Figura 3. Diferencias de los métodos de evaluación tradicionales y con IA en cuanto a objetividad, eficiencia, costo, adaptabilidad y aplicabilidad.

Fuente: En la figura se evidencia las diferencias que existen entre los métodos de evaluación tradicional y con IA en cuanto a la objetividad, eficiencia, costo, adaptabilidad y la aplicabilidad.

 

 

 

 

 

 

 

 

Figura 4. Vigencia y validez de métodos tradicionales vs herramientas con IA, información e impacto en las organizaciones y modelos híbridos.

Fuente: En la figura se compara la vigencia de los métodos tradicionales y herramientas con IA, su impacto organizacional y la propuesta de modelos híbridos para la evaluación de desempeño.

 

DISCUSIÓN

La evaluación del desempeño en organizaciones ecuatorianas muestra una transición entre métodos tradicionales y herramientas con inteligencia artificial, revelando cómo las organizaciones están utilizando la tecnología para tener más objetividad y dar una mejor retroalimentación.

Se pudo constatar que en Ecuador siguen siendo vigentes y muy utilizados los métodos tradicionales como la evaluación 360°, por competencias y la evaluación por objetivos debido a que los colaboradores ya están familiarizados con su uso e implementación dentro de sus funciones. Además, de que estos tienen un bajo costo de aplicación, cabe destacar que la evaluación de 360° es la más utilizada en las empresas y los expertos afirman que para ellos esta brinda un panorama más completa y objetivo sobre el rendimiento de un trabajador debido a que recopila retroalimentación de diversas fuentes como, supervisores, compañeros, subordinados y en algunos casos clientes (Chiavenato, 2020). Un claro ejemplo es el Analista de Talento Humano Mitchel Sánchez del “Hospital Básico de Yantzaza” el cual afirma que la evaluación de 360° es la más óptima porque fomenta la transparencia y puede identificar áreas de mejora desde diferentes ángulos. Además, al estar establecida por el Ministerio del Trabajo, brinda un marco estandarizado y reconocido. Algunas otras empresas ecuatorianas que únicamente utilizan este tipo de evaluación son la “Empresa Mancomunada de Movilidad de Zamora Chinchipe”, “Gestión y Desarrollo IP”, “Hospital General Teófilo Dávila de Machala” entre otras.

Sin embargo, también empezamos a ver la llegada de las herramientas con inteligencia artificial como Aptitude y Work Meter en empresas privadas que buscan automatizar la recolección de datos y el análisis posterior generando informes en tiempo real y facilitando el rendimiento del desempeño (Tambe et al, 2019). La IA no solo reemplazará las tareas, sino que configurará un nuevo panorama dentro del entorno laboral donde las máquinas y la tecnología serán aliadas para el futuro desarrollo de las empresas (Vorecol, 2024). Julio Enrique López, nos indica que la IA es la combinación de algoritmos proyectada con el fin de crear máquinas que brinden las mismas capacidades que el ser humano con la diferencia que estas generan grandes volúmenes de datos para una mejor toma de decisiones (López, 2023).

Es por ello que desde la experiencia del analista de talento humano de Gestión y Desarrollo IP Armando Álvarez destaca que herramientas como Work Meter permiten hacer seguimiento de actividades y obtener informes rápidos y claros proporcionando así un mayor nivel de objetividad y eficiencia en los procesos. Otro claro ejemplo es Fabián Antonio Ramos Aguilar director de consultoría en la empresa Relief el cual nos habla de la herramienta Aptitude la cual ayuda a optimizar el tiempo arrojándote ya una perspectiva de la persona como sus intereses y habilidades. 

En cuanto a las principales características, limitaciones y beneficios de ambos enfoques evaluativos se comprobó que las evaluaciones consideradas tradicionales ayudan con una visión integral del desempeño cuando se utilizan múltiples fuentes, promueven la interacción humana y son de bajo costo inicial (Chiavenato, 2020). Estos métodos tradicionales aportan claridad permitiendo la interacción directa en los procesos evaluativos. No obstante, expertos como José Luis Arrieta de la empresa AJ Reintec y el analista del Hospital Básico de Yantzaza, durante sus aportaciones indican que, aunque trabajan con evaluaciones tradicionales consideran que presentan limitaciones como la subjetividad del evaluador, resistencia al cambio y sobre todo la falta de retroalimentación en tiempo real.

En cambio, las herramientas de inteligencia artificial precisan dicha información con mayor rapidez, ahorrando tiempo en los procesos y reduciendo el tiempo de la evaluación ayudando a tomar decisiones más objetivas (Gonzabay y Pacheco, 2024), aunque requieren una inversión inicial, infraestructura tecnológica y capacidad técnica de los trabajadores, se destacó que una vez implementadas tales herramientas sus procesos serán más eficaces y oportunos para tomar decisiones con el objetivo de mejorar la gestión estratégica del talento humano.

Por último, las entrevistas realizadas demostraron que al comparar los dos enfoques existen diferencias claves, la IA supera a los métodos tradicionales en términos de objetividad y eficiencia, aunque demanda una mayor inversión inicial y competencias técnicas. Los métodos tradicionales son considerados más económicos y aceptados por los colaboradores por ello siguen siendo vigentes como base estructural, pero a la vez resultan menos ágiles y que pueden presentar sesgos en sus informes, por eso es necesario complementarlos con las herramientas digitales si se desea que sigan siendo útiles en el contexto actual en el que operan las organizaciones (Rueda, 2023). Por otro lado, las herramientas de IA superan a los métodos tradicionales en cuanto a objetividad, rapidez y capacidad de análisis predictivo para prever riesgos y alinear los resultados de desempeño de las organizaciones con sus objetivos estratégicos. No obstante, también es de suma importancia que exista la supervisión y el criterio humano para realizar una adecuada evaluación, de manera que emergen los modelos híbridos como la alternativa óptima para unir la experiencia del evaluador con las ventajas de la tecnología, mejorando el proceso con la inclusión de la misma, pero sin suplantar el criterio humano dando como resultado que la información sea más objetivas, eficientes, pero a la vez sensibles a la situación organizacional.

Es por esto que, atribuido a estos resultados se confirma la hipótesis “La evolución de la evaluación del desempeño en la gestión del talento humano está siendo significativamente influenciada por la incorporación de herramientas de inteligencia artificial, lo que genera cambios en los enfoques, metodologías y resultados de los procesos evaluativos en comparación con los métodos tradicionales”, destacando que la IA ofrece ventajas como objetividad, rapidez, identificar fortalezas, áreas de mejora y una mejor elaboración de informes para el feedback correspondiente, todo esto sin sustituir la aportación de las personas manteniendo la equidad y la justicia organizacional  (Mantello et al, 2023).

De igual forma se respondió a la pregunta de investigación “¿En qué medida el uso de las herramientas de inteligencia artificial ofrece ventajas comparativas frente a los procesos tradicionales en la evaluación del desempeño del talento humano en el contexto actual?”, al demostrar que con la IA se mejora los procesos evaluativos y a la vez permite que la toma de decisiones sea más efectiva, mientras que los métodos tradicionales siguen vigentes en las pymes debido a que no cuentan con la correcta infraestructura tecnológica.

Para culminar, este estudio tuvo algunas limitaciones como el tamaño de la muestra y el enfoque cualitativo que, aunque permitió realizar una exploración profunda se sugiere que futuros estudios relacionados puedan incorporar el método mixto para analizar su impacto en profundidad conociendo así la opinión de los colaboradores de las empresas en lo que tiene que ver con la productividad, motivación y retención del talento en diferentes sectores empresariales.

Otra necesidad evidente es conocer la ética algorítmica en los procesos de evaluación y el desarrollo de las competencias digitales para conocer el tipo de líderes que se desarrollan dentro de las empresas los cuales son un componente clave para la transparencia de estos procesos en el marco digital.

Por ende, este estudio contribuye al área de Gestión de Talento Humano demostrando que la incorporación de herramientas digitales (IA) dentro de los procesos de evaluación no solo fortalece sino que permite que la gestión sea más estratégica permitiendo construir áreas de trabajo más dinámicas, eficientes orientadas al desarrollo personal del talento y que a la vez busquen adaptarse a la era actual, pues se considera que en un futuro las empresas ecuatorianas van a tener que actualizar todos sus procesos en lo que tiene que ver con la digitalización.    

CONCLUSIONES

Se determina que en el contexto ecuatoriano los métodos tradicionales de evaluación del desempeño como la evaluación por competencias, la evaluación por objetivos y la evaluación 360° son los que han prevalecido hasta la actualidad debido a que las empresas utilizan estos métodos por su bajo costo y sobre todo porque sus empleados ya están acostumbrados a estos procesos de evaluación, en cuanto a las desventajas los expertos indican en las entrevistas realizadas que son limitados por la subjetividad y la falta de rapidez en dar los resultados. También se ha logrado detectar avances con respecto a la incorporación de herramientas de inteligencia artificial (IA) y plataformas digitales como Aptitude, Work Meter las cuales empiezan a ser aplicadas dentro de las organizaciones privadas con el propósito de mejorar la eficiencia y la objetividad de la evaluación de desempeño, cabe resaltar que en general las empresas publicas aún no utilizan estas plataformas debido a que existe un desconocimiento sobre que herramientas pueden utilizar y los beneficios de las mismas.

Los métodos tradicionales cuentan con el beneficio de la interacción directa del evaluador con el evaluado, al igual que las definiciones claras de las competencias requeridas y las puntuaciones de la evaluación, pero su principal desventaja radica en que se crean sesgos partiendo en que se puede ver influenciada por la figura del evaluador o el compañerismo. En contraste, las herramientas de IA pueden dar respuestas más objetivas y ágiles mediante la obtención de datos en tiempo real y haciendo la respectiva retroalimentación constantemente, asegurando que la información sea verídica y que esta pueda ser utilizada en la toma de decisiones estratégicas, estas herramientas no son tan comunes en Ecuador porque su implementación exige inversión inicial y un grado significativo de formación técnica.

Para concluir, se puede decir que la comparación entre estos dos enfoques las herramientas con inteligencia artificial contribuyen con ventajas significativas en términos de imparcialidad, rapidez y la capacidad de análisis predictivo para conocer el perfil, competencias, habilidades, destrezas y capacidades del colaborador, mientras que los métodos tradicionales aportan el juicio humano en la interpretación de los resultados siendo un poco flexibles a la hora de la toma de decisiones. En tal sentido, se recomiendan los modelos híbridos ya antes mencionados y los cuales están en auge en las empresas de Ecuador por sus beneficios con la tecnología y sin dejar a lado el criterio humano, siendo una alternativa para fortalecer estos procesos y a la vez reducir recursos y tiempo para lograr transparencia ética con el fin de seguir siendo vigentes y competitivas. 

RECOMENDACIONES

A partir de los hallazgos obtenidos, se recomienda que las organizaciones avancen hacia la implementación de modelos híbridos de evaluación del desempeño, combinando los métodos tradicionales con herramientas basadas en inteligencia artificial. Esta integración permitiría conservar el juicio y la interpretación humana, indispensables para comprender el contexto organizacional, al tiempo que se incorporan análisis objetivos y datos en tiempo real que fortalecen la precisión, la transparencia y la oportunidad en la retroalimentación.

Asimismo, resulta imprescindible fortalecer la infraestructura tecnológica, especialmente en las pymes y entidades del sector público, donde se evidencia un rezago significativo en la adopción de soluciones digitales. La inversión gradual en plataformas, equipos y conectividad permitiría sentar las bases para una evaluación más eficiente y confiable. Este proceso debe ir acompañado de programas de capacitación continua, orientados a desarrollar competencias digitales en el personal encargado de la gestión del talento humano, con el fin de asegurar un uso adecuado de las herramientas de IA y reducir la resistencia al cambio.

De igual forma, se considera fundamental la creación y actualización de políticas institucionales relacionadas con la ética, la privacidad y la protección de datos, dado que las herramientas basadas en IA operan con información sensible del personal. Contar con lineamientos claros y transparentes contribuirá a generar confianza interna y mitigar riesgos asociados a la gestión de información estratégica.

Se recomienda también actualizar y optimizar los métodos tradicionales de evaluación para reducir sesgos, mejorar la objetividad y fortalecer los procesos de retroalimentación. Aunque siguen siendo ampliamente utilizados, requieren adaptaciones para responder a las nuevas exigencias de la gestión moderna del talento humano.

Antes de implementar herramientas de IA a gran escala, es aconsejable realizar proyectos piloto que permitan evaluar su pertinencia, funcionamiento y nivel de aceptación dentro de la organización. Esto facilitará una adopción progresiva, disminuirá la posibilidad de errores y garantizará un uso eficiente de los recursos disponibles.

Finalmente, se sugiere promover una cultura organizacional orientada a la innovación, que fomente el aprendizaje continuo, la apertura al uso de tecnologías emergentes y la comprensión de sus beneficios. Asimismo, la implementación de IA debe ir acompañada de un monitoreo permanente que permita evaluar su impacto real en los procesos de evaluación del desempeño y asegurar su alineación con los objetivos estratégicos de la organización.

AGRADECIMIENTOS

El desarrollo de esta investigación fue posible gracias al valioso apoyo de diversas personas e instituciones, a quienes expreso mi sincero reconocimiento. Agradezco especialmente al profesor y mentor Arturo Bravo, cuyas orientaciones académicas, comentarios críticos y acompañamiento metodológico fueron fundamentales para la adecuada conducción de este estudio.

Asimismo, extiendo mi agradecimiento a los expertos en gestión del talento humano que participaron en las entrevistas, quienes compartieron sus conocimientos y experiencias, aportando información clave para el análisis y comprensión del fenómeno investigado. Su disposición y colaboración fueron determinantes para enriquecer los resultados de esta investigación.

Reconozco también a la institución universitaria que brindó el soporte académico necesario para la ejecución del proyecto, así como a todas las personas que, de manera directa o indirecta, contribuyeron con sugerencias, revisión técnica o apoyo logístico. Sus aportes, aunque no justifican coautoría, resultaron esenciales para fortalecer el rigor y la calidad del presente trabajo.

REFERENCIAS BIBLIOGRÁFICAS

Báez, G. I. (2024). Evolución histórica de la gestión del talento humano, año 2023. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 5(1), 1006. https://doi.org/https://doi.org/10.56712/latam.v5i1.1653

Calderón, D. P. (2023). El uso de metodologías cualitativas en la evaluación del desempeño en entornos públicos. Revista Ecuatoriana de Talento Humano, 11(1), 63–78.

Castro, M. F. (2021). La gestión de talento humano y su influencia en el desempeño laboral para el éxito de las empresas. Polo del Conocimiento, 6(8), 318-329. https://doi.org/10.23857/pc.v6i8

Chiavenato, I. (2019). Gestión del Talento Humano. México, D. F. McGraw-Hill/Interamericana Editores, S.A. de C.V.A.

Chiavenato, I. (2020). Gestión del talento humano. McGraw-Hill Interamericana.

CourseBox. (2024). Obtenido de Las 9 mejores herramientas de inteligencia artificial para probar la evaluación de habilidades de los empleados.: https://www.coursebox.ai/es/blog/ai-tools-for-employee-skills-assessment

Dessler, G. (2020). Administración de recursos humanos (15.ª ed.). Pearson.

Eslava, E. (25 de febrero de 2011). recursoshumanosblog. Obtenido de https://recursoshumanosblog.wordpress.com/2011/02/25/gestion-del-talento-humano-en-las-organizaciones/

García, C. (20 de mayo de 2024). OpenWebinars. Obtenido de https://openwebinars.net/blog/evaluacion-desempeno-remoto/

Gestión, R. (5 de septiembre de 2024). Revista Gestión. Obtenido de https://revistagestion.primicias.ec/analisis-economia-y-finanzas/los-ecuatorianos-aceptan-bien-la-inteligencia-artificial-pero-estamos/

Gonzabay, I. A., & Pacheco, S. R. (2024). Reincisol. Obtenido de El rol de la inteligencia artificial en los procesos de reclutamiento y selección en la gestión del talento humano.: https://doi.org/10.59282/reincisol.V3(6)3880-3902

González-López, M. (2024). El método documental en estudios teóricos educativos. Revista Científica de Ciencia y Tecnología CIEB., 2(1), 5-7. https://doi.org/https://orcid.org/0000-0002-3178-8000

Hernández-Sampieri, R. M.-T.-L. (2020). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta (7.ª ed.). McGraw-Hill.

Liang-Chih Huang, P.-T. W. (2001). A neural network modeling on human resource talent selection. . Expert Systems with Applications , 21(1), 1–8 . https://doi.org/https://doi.org/10.1016/S0957-4174(01)00057-0

López, J. E. (2023). La inteligencia artificial y la gestión de los recursos humanos. GADE: Revista Científica, 3(4). https://doi.org/SSN:2745-2891

Madiedo, S. (3 de septiembre de 2024). TodoStartups. Obtenido de https://www.todostartups.com/31/186326/revolucion-tecnologia-gestion-talento-humano-manual-digital

Montaño, L. C., & Álvarez, A. O. (2021). La evaluación del desempeño, una nueva herramienta de la cultura de la transparencia aplicada al sector público en México. scielo, 6(18). https://doi.org/https://doi.org/10.36791/tcg.v0i18.126

Ondata. (25 de marzo de 2024). Obtenido de https://www.ondata.com.ec/4-de-cada-10-talentos-en-ecuador-utilizan-inteligencia-artificial-en-su-trabajo/

Ortega, Y. M., Encalda, M. d., & Holguín, P. A. (2017). Gestión del Talento Humano y Nuevos Escenarios Laborales. https://doi.org/978-9942-960-29-0

País, E. (2 de enero de 2025). Obtenido de El rey del reclutamiento latinoamericano.: https://elpais.com/economia/negocios/2025-01-02/el-rey-del-reclutamiento-latinoamericano.html

Pletcher, S. (2023). Practical and Ethical Perspectives on AI-Based Employee Performance Evaluation. . Purdue Polytechnic Institute.

Psico-Smart. (2024). Obtenido de Tendencias en el uso de inteligencia artificial para la evaluación del desempeño en empresas.: https://psico-smart.com/articulos/articulo-tendencias-en-el-uso-de-inteligencia-artificial-para-la-evaluacion-del-desempeno-en-empresas-1688

Psico-Smart. (12 de noviembre de 2024). Obtenido de https://psico-smart.com/articulos/articulo-comparativa-entre-metodos-tradicionales-y-tecnicas-de-inteligencia-artificial-en-la-evaluacion-de-competencias-cual-es-mas-efectivo-188568

Psico-Smart. (3 de septiembre de 2024). Obtenido de https://psico-smart.com/articulos/articulo-comparativa-entre-herramientas-de-analisis-de-desempeno-en-tiempo-real-y-tradicional-182103

Rodríguez, A. E., & Heredia, R. E. (2019). “Cronología de la gestión del talento humano para el mejoramiento de la atención de salud en hospitales de segundo nivelen el Ecuador”. Revista Caribeña de Ciencias Sociales. https://doi.org/2254-7630

Rueda, F. J. (2023). La revolución de la inteligencia artificial en recursos humanos. . Jornadas SARTECO.

Solutekla. (2025). Obtenido de https://quito.solutekla.com/service/formacion_en_inteligencia_artificial_ia/analisis_de_desempeno_del_personal_con_ia

Tambe, P., Cappelli, P., & Yakubovich, V. (2019). Artificial intelligence in human resources management: Challenges and a path forward. alifornia Management Review, 61(4), 15–42. https://doi.org/https://doi.org/10.1177/0008125619867910

Valle, N. (13 de junio de 2025). invgate. Obtenido de https://blog.invgate.com/es/empresas-de-ia-en-latinoam%C3%A9rica

Vorecol, E. e. (2 de noviembre de 2024). Vorecol . Obtenido de https://blogs-es.vorecol.com/articulo-el-papel-de-la-inteligencia-artificial-en-la-prediccion-del-rendimiento-de-los-empleados-puede-realmente-impulsar-la-administracion-por-objetivos-208796

Werther, W. B. (1992). Administración de Personal y Recursos Humanos. . McGraw-Hill.

Zendesk. (2023). Zendesk Blog. Obtenido de Investigación de campo: qué es y cómo hacerla. : https://www.zendesk.com.mx/blog/metodo-transversal/?utm_source=chatgpt.com