Responsable: Jose Manuel Alegre Cuenca. Este sitio almacena en el dispositivo del Usuario únicamente lo estrictamente necesario para la prestación del servicio —sesión, academia y tema visual—, que está exento de consentimiento. Se solicita el consentimiento para dos finalidades adicionales: contenidos alojados por terceros (vídeos, presentaciones y entornos de programación incorporados a las lecciones) y analítica de uso. No se encuentra activa ninguna herramienta de analítica. Este sitio no emplea publicidad ni seguimiento entre sitios web. Autorizar los contenidos de terceros supone que el proveedor reciba la dirección IP del Usuario y la trate en EE. UU.. En el caso de Gamma y CodeSandbox, sin decisión de adecuación y con los riesgos que se detallan en «Configurar» y en la política de cookies. Consultar la política de cookies.
IA en RRHH: gestión algorítmica, Ley Rider y no discriminación · TuFormaciónOnline
Intermedio
Bonificable FUNDAE
IA en RRHH: gestión algorítmica, Ley Rider y no discriminación
Cómo usar algoritmos e IA en la gestión de personas cumpliendo la ley: el deber de información algorítmica del art. 64.4.d del Estatuto de los Trabajadores (Ley Rider), la clasificación del empleo como alto riesgo en el AI Act y las obligaciones del deployer de RRHH, la detección y mitigación del sesgo en selección y evaluación, y los límites de la monitorización de empleados. En la modalidad bonificada para empresas (cohortes FUNDAE) incluye tutoría experta y entregable final evaluado: la documentación informativa del art. 64.4.d para una empresa ficticia, utilizable después como plantilla.
15 h de formación·7 secciones·21 lecciones·8 evaluaciones·1 entregable
Sin pasarela de pago online: nos escribes, te enviamos las instrucciones y confirmamos tu matrícula por transferencia. Bonificable FUNDAE para empresas.
Contenidos elaborados con inteligencia artificial y supervisión pedagógica humana.Cómo lo hacemos
MUESTRA GRATUITA
Prueba la primera lección
Así se ve una lección por dentro. Los ejercicios interactivos y el seguimiento de tu progreso se activan al matricularte.
TEMARIO
Qué vas a aprender
6 h 21 min de contenido
01
Módulo 0 — Alfabetización esencial en IA
15 min
La base común que exige el art. 4 del AI Act, con los ojos puestos en RRHH: cómo funciona de verdad la IA que criba currículums y evalúa personas, por qué se equivoca (errores, sesgos, alucinaciones) y qué papel juegan los datos y la supervisión humana.
Cómo funciona la IA que ya usa tu departamento5 min
Errores, sesgos y alucinaciones5 min
Datos, confidencialidad y supervisión humana5 min
02
Bonificable FUNDAEAcción formativa bonificable para empresas con personal por cuenta ajena. Cuánto se bonifica depende del crédito de cada empresa y de su aportación propia: te lo decimos por escrito antes de contratar.
Formación bonificada, con tutor y evaluación
Objetivos de aprendizaje
✓Explicar qué cambió el RDL 9/2021 (Ley Rider) y por qué el deber de información algorítmica del art. 64.4.d ET afecta a todas las empresas con representación legal, no solo a las plataformas.
✓Preparar la información sobre parámetros, reglas e instrucciones de los algoritmos laborales con el nivel de detalle que interpreta la Guía del Ministerio de Trabajo (lógica, funcionamiento y consecuencias).
✓Identificar los algoritmos presentes en el ciclo laboral (selección, evaluación, asignación, extinción) y los límites del art. 22 RGPD a las decisiones plenamente automatizadas.
Clasificar los sistemas de IA de RRHH como alto riesgo según el Anexo III del AI Act y aplicar las obligaciones del responsable del despliegue (art. 26), incluida la información previa a trabajadores y representantes.
Solicita tu plaza
Déjanos tus datos y te enviamos las instrucciones de pago por transferencia y la ficha del curso. Confirmamos tu matrícula en cuanto recibimos el pago. Si tu empresa cotiza en el régimen general, el curso es bonificable vía FUNDAE.
✓Matrícula manual: sin pasarela de pago online
✓Bonificable FUNDAE para empresas
✓También para particulares, sin bonificación
La Ley Rider más allá de los riders
1 h 1 min
Qué cambió el RDL 9/2021 y por qué su parte más importante no habla de repartidores: el derecho de información algorítmica del art. 64.4.d ET aplica a todas las empresas. Los casos que lo provocaron (Glovo, Deliveroo) y lo que viene con la Directiva europea de plataformas.
Qué cambió el RDL 9/20218 min
A qué empresas aplica (spoiler: a la tuya)8 min
El caso Glovo, Deliveroo y lo que viene de Europa45 min
03
El art. 64.4.d en la práctica
1 h 1 min
Qué información hay que dar exactamente a la representación legal, cuándo y con qué nivel de detalle: la interpretación de la Guía del Ministerio de Trabajo (lógica, funcionamiento y consecuencias), los límites del secreto empresarial y la herramienta oficial de autodiagnóstico.
Qué hay que informar exactamente8 min
Cuándo y a quién8 min
El nivel de detalle exigible45 min
04
Algoritmos en el ciclo laboral
1 h 1 min
Dónde deciden ya los algoritmos sobre personas: cribado y ranking de candidaturas, evaluación del desempeño, asignación de turnos y tareas, y decisiones de extinción. El art. 22 RGPD como límite: qué es una decisión plenamente automatizada y qué intervención humana cuenta de verdad.
Selección y cribado de candidaturas8 min
Evaluación del desempeño y asignación de tareas8 min
Decisiones de extinción y el art. 2245 min
05
El empleo como alto riesgo en el AI Act
1 h 1 min
El Anexo III clasifica los sistemas de IA de empleo y selección como alto riesgo. Qué significa eso para la empresa que los usa: las obligaciones del responsable del despliegue (art. 26), la información previa a trabajadores y representantes, y la supervisión y los registros exigibles desde agosto de 2026.
El Anexo III y el empleo8 min
Obligaciones del deployer de RRHH8 min
Registros, supervisión y preparación45 min
06
Sesgo y discriminación algorítmica
1 h 1 min
De dónde sale el sesgo en los sistemas de RRHH (datos históricos, proxies), los casos reales que han terminado en tribunales y acuerdos millonarios (Amazon, iTutorGroup, Workday, Deliveroo) y cómo auditar y mitigar antes de que el sistema decida sobre personas.
De dónde sale el sesgo laboral8 min
Casos reales de discriminación algorítmica8 min
Auditar y mitigar el sesgo45 min
07
Monitorización de empleados: los límites
1 h 1 min
Hasta dónde puede llegar el control empresarial con IA: el art. 20.3 ET y los arts. 87-90 LOPDGDD (dispositivos digitales, videovigilancia, geolocalización, desconexión digital), el art. 22 RGPD en las decisiones laborales y las capas de transparencia que se acumulan antes de desplegar.
Los límites del control empresarial8 min
El art. 22 RGPD en lo laboral8 min
Transparencia con la plantilla45 min
✓
✓Detectar el origen del sesgo algorítmico en decisiones de personal, conocer los casos reales de discriminación (Amazon, iTutorGroup, Workday, Deliveroo) y aplicar medidas de auditoría y mitigación.
✓Aplicar los límites legales de la monitorización de empleados (art. 20.3 ET y arts. 87-90 LOPDGDD) y las capas de transparencia exigibles.
✓Elaborar la documentación informativa del art. 64.4.d completa para una empresa ficticia, utilizable como plantilla ante el comité de empresa.
Metodología
Teleformación asíncrona basada en micro-lecciones de unos 8 minutos (el módulo de alfabetización inicial usa lecciones de 4-5 minutos) con ratio 30/70 entre teoría y práctica: cada lección combina explicación con analogías cotidianas, preguntas de recuperación activa y mini-quizzes. Cada sección temática se cierra con un cuestionario de evaluación y con un apartado práctico guiado de unos 35 minutos que redacta, parte a parte, el entregable final del curso (la documentación informativa del art. 64.4.d para una empresa ficticia), de modo que al terminar la última sección el documento está completo y listo para entregar. Todo el trabajo práctico se realiza sobre supuestos ficticios o información pública — nunca sobre datos internos de la empresa real del participante. El tutor acompaña por mensajería interna durante todo el itinerario.
Evaluación
Controles de aprendizaje: 7 cuestionarios de sección (mínimo 70/100 para desbloquear la siguiente sección), 1 entregable evaluado por el tutor (mínimo 60/100) y 1 examen final de 24 preguntas (mínimo 75/100), disponible al superar todos los cuestionarios de sección. Para finalizar la acción formativa el participante debe superar al menos el 75% de los 9 controles de aprendizaje. El tiempo de conexión se registra íntegramente como evidencia de la acción formativa (15 horas declaradas), sin operar como requisito automático de finalización.
Tutoría
Tutoría individual por mensajería interna de la plataforma, con tutor experto en inteligencia artificial y su aplicación a la gestión de personas, y compromiso de respuesta inferior a 48 horas laborables. El tutor evalúa el entregable final con retroalimentación personalizada, publica anuncios de cohorte con el ritmo semanal sugerido y realiza seguimiento activo de los participantes rezagados. Ratio máximo: 80 participantes por tutor.
Dos formas de "programar" muy distintas
El software tradicional funciona con reglas explícitas que alguien escribió: "si el candidato no adjunta titulación, rechazar". Puedes leer la regla, discutirla y cambiarla.
El aprendizaje automático (machine learning) funciona al revés: nadie escribe las reglas. Se le entregan miles de ejemplos — currículums de años anteriores junto con la decisión que se tomó sobre cada uno — y el sistema deduce por su cuenta qué patrones distinguen a los contratados de los descartados. Esas "reglas" deducidas no están escritas en ningún documento: están repartidas en millones de números internos que ni siquiera el proveedor puede leer como si fueran un manual.
Aquí entra la analogía de la abuela. Si aprendes a cocinar únicamente con sus recetas, cocinarás muy bien... lo que ella cocinaba bien. Pero también heredarás sus manías: que el pescado siempre muy hecho, que el picante ni tocarlo. Tú no distingues cuáles de esas costumbres son sabiduría y cuáles son prejuicio, porque para ti todo vino en el mismo paquete: "así se cocina". Al modelo le pasa exactamente igual con el histórico de contrataciones: los criterios acertados y los sesgos de quienes decidieron entonces le llegan mezclados, y los aprende todos como si fueran calidad.
El chatbot: texto plausible, no hechos verificados
La segunda pieza es el modelo de lenguaje (LLM), el motor de los chatbots de IA. Su mecánica es sorprendentemente simple de enunciar: dada una frase, predice qué palabras tienen más probabilidad de venir después, según todo el texto con el que fue entrenado. No consulta una base de datos de hechos, no "sabe" cuál es el convenio de tu sector ni la fecha de una norma: genera el texto que suena más natural. Muchas veces ese texto coincide con la realidad; otras veces no, y lo afirma con la misma seguridad.
Correlación no es criterio
Un matiz separa al profesional de RRHH que usa bien estos sistemas del que se deja llevar: el modelo solo encuentra correlaciones — cosas que aparecían juntas en el pasado —, nunca criterios profesionales. Si en tu histórico los empleados que vivían cerca de la oficina duraban más (quizá porque el transporte era malo), el modelo puntuará mejor a quien viva cerca. Eso no es un criterio de idoneidad: es un eco de las circunstancias de entonces, que además puede esconder discriminación por barrio, edad o situación familiar.
La idea que debes llevarte
Cuando alguien te presente "una IA que selecciona a los mejores candidatos", tradúcelo mentalmente: un sistema que imita los patrones de nuestras decisiones pasadas, con sus aciertos y sus manías, y un generador de texto que suena convincente pero no verifica nada. Con esa traducción en la cabeza, las dos próximas lecciones — cómo falla y cómo protegerte — se entienden solas.