Inteligencia Artificial en la Gestión de Recursos Humanos: Una revisión sobre impactos organizacionales y psicológicos
DOI:
https://doi.org/10.33448/rsd-v15i4.50948Palabras clave:
Inteligencia Artificial, Gestión de Recursos Humanos, People Analytics, Justicia Organizacional, Contrato Psicológico.Resumen
La incorporación de herramientas basadas en Inteligencia Artificial (IA) en la Gestión de Recursos Humanos ha transformado la manera en que las organizaciones reclutan, evalúan y retienen personas. Procesos históricamente apoyados en el juicio subjetivo pasan a contar con sistemas capaces de procesar grandes volúmenes de datos e identificar patrones de comportamiento. Este artículo tiene como objetivo analizar, mediante una revisión narrativa sistemática, las principales contribuciones y desafíos de la IA en la Gestión de Recursos Humanos (GRH), con énfasis en los efectos sobre la percepción de justicia organizacional, la confianza institucional y el contrato psicológico. La metodología implicó búsquedas en las bases Web of Science, Scopus, PsycINFO y SciELO, con un recorte temporal entre 2010 y 2025. Los resultados indican que, aunque la IA amplía la capacidad analítica y mejora indicadores operativos, su implementación conlleva riesgos relevantes: reproducción de sesgos históricos, erosión de la percepción de justicia procedimental y ruptura del contrato psicológico cuando los criterios algorítmicos no se comunican de forma transparente. Se concluye que los beneficios organizacionales de la IA son reales, pero están condicionados a la existencia de estructuras robustas de gobernanza de datos, directrices éticas explícitas y compromiso con la preservación del juicio humano en las decisiones de mayor impacto.
Referencias
Adadi, A., & Berrada, M. (2018). Peeking inside the black-box: A survey on explainable artificial intelligence (XAI). IEEE Access, 6, 52138–52160. https://doi.org/10.1109/ACCESS.2018.2870052
Angwin, J., Larson, J., Mattu, S., & Kirchner, L. (2016, maio 23). Machine bias. ProPublica.
https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing
Ball, K. (2010). Workplace surveillance: An overview. Labor History, 51(1), 87–106. https://doi.org/10.1080/00236561003654776
Bankins, S., Formosa, P., Griep, Y., & Judge, D. (2022). AI decision-making and the psychological contract: Exploring perceptions of fairness and trustworthiness. Journal of Applied Psychology, 107(2), 265–281. https://doi.org/10.1037/apl0000932
Barocas, S., & Hardt, M. (2017). Fairness in machine learning. NeurIPS Tutorial. https://fairmlbook.org
Bauer, T. N., Truxillo, D. M., Mack, K., & Costa, A. B. (2021). Applicant reactions to artificial intelligence in selection: Antecedents and consequences. In S. Tippins, N. Tippins, & R. Oswald (Eds.), Technology-enhanced assessment of talent (pp. 120–149). Jossey-Bass.
Cheng, M. M., & Hackett, R. D. (2021). A critical review of algorithms in HRM: Definition, theory, and practice. Human Resource Management Review, 31(1), 100698. https://doi.org/10.1016/j.hrmr.2019.100698
Colquitt, J. A. (2001). On the dimensionality of organizational justice: A construct validation of a measure. Journal of Applied Psychology, 86(3), 386–400. https://doi.org/10.1037/0021-9010.86.3.386
Dastin, J. (2018, outubro 10). Amazon scraps secret AI recruiting tool that showed bias against women. Reuters.
https://www.reuters.com/article/us-amazon-com-jobs-automation-insight-idUSKCN1MK08G
Diab, D. L., Pui, S. Y., Yankelevich, M., & Highhouse, S. (2011). Lay perceptions of selection decision aids in U.S. and non-U.S. samples. International Journal of Selection and Assessment, 19(2), 209–216. https://doi.org/10.1111/j.1468-2389.2011.00548.x
Hmoud, B., & Laszlo, V. (2019). Will artificial intelligence take over human resources recruitment and selection? Network Intelligence Studies, 7(13), 21–30.
Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389–399. https://doi.org/10.1038/s42256-019-0088-2
Köchling, A., & Wehner, M. C. (2020). Discriminated by an algorithm: A systematic review of discrimination and fairness by algorithmic decision-making in the context of HR recruitment and HR development. Business Research, 13, 795–848. https://doi.org/10.1007/s40685-020-00134-w
Langer, M., König, C. J., & Papathanasiou, M. (2019). Highly automated job interviews: Acceptance under the influence of stakes. International Journal of Selection and Assessment, 27(3), 217–234. https://doi.org/10.1111/ijsa.12246
Lee, M. K. (2018). Understanding perception of algorithmic decisions: Fairness, trust, and emotion in response to algorithmic management. Big Data & Society, 5(1), 1–16. https://doi.org/10.1177/2053951718756684
Brasil. (2018). Lei n.º 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais (LGPD). Presidência da República, Casa Civil. https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm
Marler, J. H., & Boudreau, J. W. (2017). An evidence-based review of HR Analytics. The International Journal of Human Resource Management, 28(1), 3–26. https://doi.org/10.1080/09585192.2016.1244699
Mittelstadt, B. D., Allo, P., Taddeo, M., Wachter, S., & Floridi, L. (2016). The ethics of algorithms: Mapping the debate. Big Data & Society, 3(2), 1–21. https://doi.org/10.1177/2053951716679679
Nankervis, A., Connell, J., Cameron, R., & Montague, A. (2024). Artificial intelligence and human resource management in emerging economies: Disruption, adaptation and governance. Asia Pacific Journal of Human Resources, 62(1), e12380. https://doi.org/10.1111/1744-7941.12380
Obermeyer, Z., Powers, B., Vogeli, C., & Mullainathan, S. (2019). Dissecting racial bias in an algorithm used to manage the health of populations. Science, 366(6464), 447–453. https://doi.org/10.1126/science.aax2342
Raub, M. (2021). Bots, bias and big data: Artificial intelligence, algorithmic bias and disparate impact liability in hiring practices. Arkansas Law Review, 71(2), 529–570.
Risemberg, R. I. C., et al. (2026). A importância da metodologia científica no desenvolvimento de artigos científicos. E-Acadêmica, 7(1), e0171675. https://eacademica.org/eacademica/article/view/675
Rousseau, D. M. (1989). Psychological and implied contracts in organizations. Employee Responsibilities and Rights Journal, 2(2), 121–139. https://doi.org/10.1007/BF01384942
Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
Selbst, A. D., & Barocas, S. (2018). The intuitive appeal of explainable machines. Fordham Law Review, 87(3), 1085–1139.
Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039
Tambe, P., Cappelli, P., & Yakubovich, V. (2019). Artificial intelligence in human resources management: Challenges and a path forward. California Management Review, 61(4), 15–42. https://doi.org/10.1177/0008125619867910
Torraco, R. J. (2016). Writing integrative literature reviews: Using the past and present to explore the future. Human Resource Development Review, 15(4), 404–428. https://doi.org/10.1177/1534484316671606
Tursunbayeva, A., Pagliari, C., Di Lauro, S., & Antonucci, G. (2022). The ethics of people analytics: Risks, opportunities and recommendations. Personnel Review, 51(3), 900–921. https://doi.org/10.1108/PR-12-2019-0680
van den Heuvel, S., & Bondarouk, T. (2017). The rise (and fall) of HR analytics: A study into the future application, value, structure, and system support. Journal of Organizational Effectiveness: People and Performance, 4(2), 157–178. https://doi.org/10.1108/JOEPP-03-2017-0022
Vargas, R., Yurrebaso, A., & Blasco, J. (2024). Artificial intelligence in human resource management: A systematic literature review. Computers in Human Behavior: Artificial Humans, 2(1), 100052. https://doi.org/10.1016/j.chbah.2024.100052
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Ênio Arcanjo Nascimento Junior
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
