UNIVERSIDAD ESAN FACULTAD DE DERECHO Y CIENCIAS SOCIALES PSICOLOGÍA ORGANIZACIONAL PSICOLOGÍA DEL CONSUMIDOR Evaluación de herramientas de inteligencia artificial generativa en la gestión de reclutamiento y selección de personal operativo en una empresa del sector hidrocarburos Trabajo de Suficiencia Profesional presentado en satisfacción parcial de los requerimientos para: Obtener el título profesional de Licenciado en Psicología Organizacional Obtener el título profesional de Licenciado en Psicología del Consumidor AUTORES Aphan Benites, Leonardo Fabián Soto Artica, Milagros Victoria Silva Nieto, Sebastian Andre ASESOR Isla Yengle, Diego ORCID N.º 0009-0000-0003-1411 Octubre, 2025 Impresión de resultados de informe de similitud Resumen El presente Trabajo de Suficiencia Profesional (TSP) aborda la problemática de la alta rotación (47%) y los prolongados tiempos en los procesos de reclutamiento y selección de personal operativo en Grifo PICORP, una empresa del sector hidrocarburos, cuya dependencia de métodos manuales y subjetivos compromete su eficiencia operativa. El objetivo general del estudio fue determinar el nivel tecnológico actual de la empresa para evaluar la viabilidad de implementar un programa basado en Inteligencia Artificial (IA) y Modelos Generativos (GEMs) que optimice estos procesos. El marco teórico se sustenta en la Psicología Organizacional y la gestión de talento, centrándose en el uso estratégico de la IA para la automatización, la toma de decisiones basada en datos y la mitigación de sesgos. Metodológicamente, se utilizó un enfoque cuantitativo, no experimental y descriptivo, aplicando un instrumento de medición de la Inteligencia Artificial Generativa a una muestra censal de 3 colaboradores del equipo de Recursos Humanos. Los hallazgos revelaron un nivel de adopción incipiente de la IA; no obstante, el personal clave manifiesta una tendencia positiva hacia la comodidad y la disposición de trabajar con estas herramientas. Se concluye que existe una necesidad urgente de implementar un modelo integral apoyado en IA y GEMs, pero su viabilidad requiere, primeramente, fortalecer la infraestructura tecnológica, estandarizar procesos y capacitar al personal para aprovechar el potencial de estas herramientas y asegurar la sostenibilidad de la gestión del talento. Palabras Claves: Inteligencia Artificial Generativa, Reclutamiento, Sector Hidrocarburos ABSTRACT This Professional Sufficiency Work (TSP) addresses the high turnover rate (47%) and prolonged selection times for operational personnel at Grifo PICORP, a hydrocarbon sector company, whose reliance on manual and subjective methods compromises operational efficiency. The general objective was to determine the company's current technological level to evaluate the feasibility of implementing a program based on Artificial Intelligence (AI) and Generative Models (GEMs) to optimize these processes. The theoretical framework is based on Organizational Psychology and Talent Management, focusing on the strategic use of AI for automation, data-driven decision-making, and bias mitigation. Methodologically, a quantitative, non-experimental, and descriptive approach was used, applying a Generative Artificial Intelligence measurement instrument to a census sample of 3 Human Resources collaborators. The findings revealed an incipient level of AI adoption; however, key personnel showed a positive trend toward comfort and readiness to work with these tools. The study concludes that there is an urgent need to implement an integral model supported by AI and GEMs, but its viability primarily requires strengtheningveg the technological infrastructure, standardizing processes, and training personnel to fully leverage the potential of these tools and ensure sustainable talent management. keywords: Generative Artificial Intelligence, Recruitment, Hydrocarbons Sector Índice General Capítulo I: Planteamiento del Problema ................................................................................. 7 1.1 Descripción de la situación problemática ........................................................................ 7 1.2 Formulación del problema .............................................................................................. 9 1.2.1 Problema general .................................................................................................. 10 1.3 Determinación de objetivos ........................................................................................... 10 1.3.1 Objetivo general ................................................................................................... 10 1.3.2 Objetivos específicos ............................................................................................ 10 1.4 Justificación ................................................................................................................... 11 1.4.1 Implicaciones prácticas y de desarrollo ................................................................ 11 Capítulo II: Marco Teórico .................................................................................................... 12 2.1 Bases teóricas ............................................................................................................... 12 2.1.1 Organización ....................................................................................................... 12 2.1.2 Objetivos organizacionales ................................................................................... 12 2.1.3 Niveles organizacionales ......................................................................................13 2.1.4 Capital Humano ................................................................................................... 13 2.2 Proceso de reclutamiento y selección ............................................................................ 14 2.1.1 Proceso de reclutamiento y selección .................................................................... 14 2.2.1 Fuentes de reclutamiento ...................................................................................... 14 2.2.3 Cliente interno ..................................................................................................... 15 2.2.4 Proceso de Selección. .......................................................................................... 15 2.2.5 Técnicas de selección tradicionales ...................................................................... 16 2.2.5 Técnicas de modernas de selección ...................................................................... 16 2.3 Inteligencia Artificial generativa en el entorno organizacional ..................................... 16 2.3.1 Inteligencia Artificial Generativa en RRHH ........................................................ 18 2.3.2 Inteligencia artificial en la gestión del talento humano........................................ 19 2.3.3 Inteligencia Artificial Generativa y Selección ...................................................... 20 2.3.4 Inteligencia Artificial Generativa y Agentes de Inteligencia Artificial GEMs, GPT .............................................................................................................................. 21 2.3.5 Inteligencia Artificial Generativa y sesgos durante el proceso de selección ....... 22 Capítulo III: Entorno Empresarial ....................................................................................... 23 Capítulo IV: Metodología de la Investigación ..................................................................... 26 4.1 Diseño de la investigación ............................................................................................. 26 4.2 Población y muestra ...................................................................................................... 26 4.2.1 Población objetiva .................................................................................................26 4.2.2 Tamaño de muestra ...............................................................................................26 4.4 Instrumentos de medición ..............................................................................................27 4.5 Recopilación de datos .................................................................................................... 28 4.6 Procesamiento de los datos ............................................................................................28 Capítulo V: Resultados............................................................................................................ 30 Capítulo VI: Conclusiones y recomendaciones y plan de acción ...................................... 40 6.1 Conclusiones ................................................................................................................. 40 6.2 Recomendaciones y plan de acción .............................................................................. 41 6..2.1 Recomendaciones ............................................................................................... 41 6.2.2 Plan de acción ...................................................................................................... 41 6.2.2.1 Estrategia de Intervención .................................................................. 41 6.2.2.2 Aplicación de las Herramientas de IAG por Fase del Proceso de Reclutamiento ................................................................................................... 42 6.2.2.3 Programa de Capacitación ................................................................. 45 6.2.2.4 Evaluación de Resultados .................................................................. 46 Bibliografía ....................................................................................................................................... 47 Índice de Gráfico GRÁFICO N°1 .................................................................................................................................. 19 GRÁFICO N°2 .................................................................................................................................. 20 GRÁFICO N°3 .................................................................................................................................. 24 GRÁFICO N°4 .................................................................................................................................. 26 GRÁFICO N°5 .................................................................................................................................. 48 Índice de Tablas Tabla 1 .................................................................. ¡Error! Marcador no definido. Tabla 2 ................................................................................................................................................. 19 Tabla 3 ......................................................................................................................................................... 20 Tabla 4 ......................................................................................................................................................... 29 Tabla 5 ......................................................................................................................................................... 31 Tabla 6 ......................................................................................................................................................... 33 Tabla 7 ......................................................................................................................................................... 34 Tabla 8 ......................................................................................................................................................... 36 Tabla 9 ......................................................................................................................................................... 37 Tabla 10 ....................................................................................................................................................... 38 Tabla 11 ....................................................................................................................................................... 45 7 Capítulo I: Planteamiento del Problema 1.1 Descripción de la situación problemática El sector de hidrocarburos (petróleo y gas natural) sigue siendo un pilar económico global, pues representa más del 80% de la energía primaria mundial (BBVA Research, 2025; Sociedad Peruana de Hidrocarburos (SPH), 2023). En Perú, su contribución es vital a nivel fiscal, donde el Canon Gasífero y Petrolero es la principal fuente de ingreso para el desarrollo regional (SPH, 2023). No obstante, la industria enfrenta un doble desafío: la presión por la transición energética y la necesidad urgente de atraer y gestionar el talento humano especializado en un contexto de digitalización y baja producción nacional (Perú Energía, 2023; SPH, 2025). Para enfrentar la necesidad de eficiencia y la escasez de talento especializado (un desafío conocido como "fuga de talento" en Perú), las empresas energéticas a nivel mundial están acelerando la adopción de Inteligencia Artificial (IA) en sus procesos de reclutamiento y selección (Adecco, 2024; El Sol de Tampico, 2023). La IA permite automatizar el cribado de currículums, reducir el tiempo de contratación, e incluso mitigar sesgos inconscientes al centrar la selección en las competencias (GSH, 2024; Vorecol, 2024). En el sector hidrocarburos y estaciones de servicio a nivel internacional, se observa una alta rotación de personal operativo, lo que conlleva costos sustanciales por reemplazo, capacitación y pérdida de eficiencia operativa. Investigaciones recientes advierten que la dependencia de métodos tradicionales de selección provoca demoras en cubrir vacantes críticas y aumenta la subjetividad en la contratación (Fairness and Bias in Algorithmic Hiring; HumanCentric Multimodal Machine Learning, 2023). En el Perú, este problema se manifiesta también con fuerza. Un estudio aplicado en Oro Gas Perú S.A.C. (2022-2025) identificó que la rotación del personal operario estaba afectando directamente la productividad y los costos de la empresa (Repositorio Latinoamericano, 2023). De manera similar, una investigación en Cusco reveló que los factores más influyentes en la intención de rotar del personal operativo fueron la insatisfacción con el salario y la carga laboral excesiva (Alicia-Concytec, 2023). El Grupo Picorp, fundado en 1993, es una empresa con casi 30 años de trayectoria en la distribución minorista de hidrocarburos, con operaciones en combustibles líquidos, gas natural vehicular (GNV), gas licuado de petróleo (GLP) y líquidos. Desde 2010 mantiene una 8 alianza estratégica con Primax, que le ha permitido participar en proyectos de gran envergadura en minería y construcción a nivel nacional. Su visión es consolidarse como líder del sector y socio estratégico en el desarrollo del país, guiándose por valores de honestidad, respeto, responsabilidad y solidaridad. La organización se estructura bajo un esquema jerárquico que integra un Presidente y distintas gerencias (Proyectos, Administración y Finanzas, Legal y Minorista, Operaciones y Comunicaciones), con un modelo descentralizado en el que cada estación de servicio cuenta con un administrador responsable de la operación. Precisamente en estas estaciones —como Camino Real, Carabayllo, Huachipa, José Granda, Las Torres, Mora y Torreblanca— se concentra la mayor parte del personal operativo, compuesto por hombres y mujeres jóvenes en su mayoría entre los 20 y 40 años, muchos de ellos padres de familia. Debido a la dinámica de trabajo en turnos rotativos y a la rotación de personal cercana al 37%, el área de Recursos Humanos juega un papel clave en los procesos de reclutamiento y selección, asegurando la incorporación de colaboradores comprometidos y alineados con la cultura de la empresa, capaces de sostener la calidad del servicio en un entorno de alta demanda y contacto directo con el cliente. La escasez de talento calificado y la dificultad para atraer candidatos con competencias técnicas y disponibilidad de horarios flexibles son retos tanto internacionales como nacionales. A nivel global, el Talent Trends Report 2024 indica que los líderes de talento están invirtiendo cada vez más en inteligencia artificial para optimizar la búsqueda y el “match” de candidatos (T21, 2024). En Perú, este interés se refleja en que el 65 % de los especialistas en Recursos Humanos ya utiliza IA para redactar avisos de búsqueda, aunque solo el 44 % la emplea en el proceso completo de selección (Ccreativa, 2024). A nivel laboral en general, Bumeran reportó que el 57 % de trabajadores peruanos usa IA en sus tareas diarias, lo que muestra una aceptación creciente, aunque todavía con aplicaciones limitadas y auxiliares (Gestión, 2025). No obstante, tanto a nivel global como local se evidencian barreras importantes para la adopción de estas tecnologías. A nivel internacional, se destacan los riesgos de sesgos algorítmicos y la falta de transparencia en los sistemas de selección automatizada (Fairness and Bias in Algorithmic Hiring; Human-Centric Multimodal Machine Learning, 2023). En Perú, un informe de Buk advierte que, aunque el 61 % de profesionales de RR.HH. reconoce el potencial de la IA, solo el 39 % la ha incorporado activamente en sus funciones, siendo los 9 principales obstáculos la falta de experiencia técnica, las dudas sobre la privacidad de datos y el temor a reforzar sesgos en la contratación (Infobae, 2025). En suma, para Grifo PICORP esta situación problemática implica riesgos reales: costos elevados y demoras en cubrir puestos operativos, fallas en la calidad del servicio por rotación, dificultad para mantener una plantilla estable y competente, además de que al adoptar IA y GEMs debe gestionarse cuidadosamente los riesgos técnicos, éticos y organizacionales para no limitar el impacto positivo de estas herramientas. 1.2 Formulación del problema Grifo PICORP, a pesar de sus iniciativas de reclutamiento tradicionales (inducciones, capacitaciones y entrevistas), enfrenta desafíos significativos en la contratación de personal operativo. La naturaleza del sector de hidrocarburos, que exige la rápida cobertura de puestos críticos con altos estándares de seguridad y servicio, genera una presión constante que los métodos actuales no logran manejar. La situación se manifiesta en una serie de problemas concretos: ● Tiempos de selección prolongados: El proceso de cobertura de vacantes es lento, tardando entre 5 y 10 días por estación de servicio. Esto retrasa la operación y genera una presión constante sobre el personal existente. ● Aumento de costos operativos: Las demoras y la falta de personal adecuado conllevan a "dobleteos" de turnos, lo que representa un sobrecosto de 37 soles por día por cada vacante no cubierta. Además, la pérdida de ventas por la falta de atención en las islas puede ascender a 500 soles diarios por estación de servicio. ● Elevada rotación de personal: Los métodos de selección manuales y subjetivos resultan en la contratación de perfiles inadecuados. Esta falta de objetividad y la dificultad para atraer candidatos con las competencias y disponibilidad de horarios flexibles necesarias, se traduce en un alto índice de rotación, lo que impacta negativamente la estabilidad de la empresa. La empresa tiene un nivel de rotación del 47% a nivel operativo. ● Deterioro de la productividad y el servicio: El sobreesfuerzo de los empleados al cubrir dobles turnos disminuye su productividad, aumenta el riesgo de errores y, en consecuencia, afecta la calidad del servicio al cliente. 10 La raíz de esta problemática radica en la dependencia de procesos de selección obsoletos. Grifo PICORP aún no ha adoptado un enfoque integral y moderno que incluya tecnologías como la inteligencia artificial (IA) y los modelos generativos (GEMs). A pesar de un interés incipiente, las soluciones implementadas han sido parciales y de bajo impacto. La resistencia organizacional, la limitada capacitación tecnológica y la falta de un marco de gobernanza de datos agravan la situación, impidiendo la estandarización y optimización del proceso. En resumen, la ineficiencia en el reclutamiento y la selección del personal operativo compromete la sostenibilidad de Grifo PICORP en un mercado altamente competitivo, afectando no solo la eficiencia interna, sino también la rentabilidad y la calidad del servicio. Por lo tanto, es urgente la implementación de un modelo integral, apoyado en IA y GEMs, que permita agilizar, objetivizar y optimizar este proceso. 1.2.1 Problema general ¿De qué manera la implementación de herramientas de inteligencia artificial generativa puede optimizar la gestión de reclutamiento y selección de personal operativo en Grifo PICORP, empresa del sector hidrocarburos? 1.3 Determinación de objetivos 1.3.1 Objetivo general Determinar el nivel de tecnología en el que se encuentra Grifo PICORP con el fin de evaluar la viabilidad de desarrollar un programa para implementar inteligencia artificial en los procesos de reclutamiento y selección. 1.3.2 Objetivos específicos - Analizar la percepción y comodidad de los colaboradores frente al uso de la IAG en su trabajo. - Evaluar el nivel de adopción e inversión en IAG dentro de la empresa. - Examinar cómo la IAG mejora la calidad, eficiencia y reducción de costos en los procesos. 11 - Determinar el grado de adaptación de los procesos laborales al uso de la IAG. - Identificar la compatibilidad tecnológica y la capacitación del personal para integrar la IAG. - Analizar el compromiso de la alta dirección y del personal con la adopción de la IAG. - Evaluar las tareas que la IAG ha automatizado y su impacto en la eficiencia organizacional. 1.4 Justificación 1.4.1 Implicaciones prácticas y de desarrollo Según Hernández-Sampieri y Mendoza (2018), este proyecto tiene un enfoque práctico pues se basa en la necesidad de desarrollar una solución que contribuya a la mejora del procesos de selección de una empresa del sector hidrocarburos. El avance tecnológico en el ámbito de la Inteligencia Artificial (IA) ha hecho posible revolucionar este proceso. Este proyecto se propone desarrollar e implementar un sistema de selección asistido por un GEMS, capaz de analizar de manera automatizada y objetiva currículos y evaluaciones preliminares. Este sistema permitirá identificar de forma más rápida y precisa a los candidatos que mejor se alineen con el perfil técnico requerido y la cultura organizacional de PICORP. Capítulo II: Marco Teórico 2.1 Bases teóricas 2.1.1 Organización Las organizaciones para Chiavenato (2020) son unidades sociales, más específicamente son sistemas abiertos que pueden ser establecidas con el objetivo de generar ganancia (organización con fin de lucro) y organizaciones que no tienen como principal objetivo generar ganancias, centrándose más en la autosustentación y en la actividad humana (organización sin fin de lucro), ambos modelos están conformados por elementos que se relacionan dinámicamente para conseguir un objetivo específico: a) Entradas e insumos: Son inputs o recursos que reciben del ambiente externo para poder iniciar sus operaciones 12 b) Proceso u operación: Núcleo del sistema en el cual los recursos obtenidos en la entrada se transforman en los resultados, generalmente está conformado por una serie de subprocesos c) Salidas y resultados: Son los Outputs que la organización aporta al ambiente donde se encuentra. d) Retroalimentación: Es la acción de retorno, siendo el resultado que ejerce la salida sobre la entrada, puede ser positivo cuando la salida demanda una entrada de más insumos o negativa cuando reduce el ingreso. Por lo tanto podemos entender a una organización como un conjunto de unidades que responden a la exigencias y demandas del ambiente para cumplir con un objetivo en común, siendo la clave de estos las personas que la conforman. 2.1.2 Objetivos organizacionales Por lo visto anteriormente podemos ver que las organizaciones tienen un objetivo definido al cual responde su creación, independientemente si es con fin o sin fin de lucro, Chiavenato (2020) Nos comenta que toda organización responde a una finalidad a la cual debe su existencia, en base a esta se forman la misión, cultura y diferentes procesos, siendo esta finalidad el principal indicador para su éxito o fracaso. Teniendo como características que se difunde a través de documentos oficiales, responde a las necesidades del ambiente o de los socios , son dinámicos y pueden cambiar a lo largo del tiempo y puede ser más de una dependiendo de lo requerido. 2.1.3 Niveles organizacionales Todas las organizaciones tienen niveles de jerarquía en el cual se ubican sus diferentes áreas y funciones. Chiavenato (2020) nos describe 3 niveles: a) Nivel institucional: Es el nivel más alto de la organización, siendo conformado por los directores, accionistas principales y altos ejecutivos, es donde se toman las decisiones que impactan a toda la empresa, por lo que también se le conoce como el sector estratégico. b) Nivel intermedio: Está conformado por los departamentos o las direcciones de la organización, busca adoptar las decisiones tomadas en el nivel institucional y comunicarlas al nivel operacional, está más centrado en la eficacia por lo que también se le conoce como nivel táctico. 13 c) Nivel operacional: Es el nivel más bajo, es donde se realizan las actividades diárias de la empresa, conformada por los equipos de trabajo y busca la máxima eficiencia para el cumplimiento de los objetivos, también se le conoce como el núcleo técnico 2.1.4 Capital Humano Anteriormente se consideraba que la organización solo tenía un tipo de capital, que era el material, sin embargo actualmente se está siendo enfoque en el capital humano, Chiavenato (2025) comenta que es el valor que aporta las personas, juntos a sus competencias y talentos, siendo este la clave para que una organización tenga éxito, ya que antiguamente se creía que mientras más personas tuviera una empresa era sinónimo de mayor éxito, sin embargo actualmente no es así ya que una organización pequeña e innovadora puede traer un cambio más grande y ser más rentable que una gran empresa, y todo esto es gracias al valor que aporta el capital humano. De esto podemos entender que las empresas están luchando activamente para captar al mejor talento disponible, esto nos permitirá enfocarnos en el proceso clave de la incorporación de talento humano dentro de la empresa. 2.2 Proceso de reclutamiento y selección 2.1.1 Proceso de reclutamiento y selección Hay diferentes concepciones sobre lo que es el proceso de reclutamiento. Según Chiavenato (2020) El reclutamiento es un conjunto de técnicas cuya principal finalidad es atraer potenciales candidatos para cubrir los puestos vacantes dentro de la empresa, siendo un sistema donde la empresa pública en el mercado laboral su oferta de labor para la posición esperada, siendo crucial que este logre llegar a la suficiente cantidad de personas interesadas para lograr cubrir la vacante con éxito. Por otro lado Alles (2001) nos señala que es el proceso en el cual se busca identificar y atraer un grupo de candidatos interesados en la vacante publicada, en el cual no solo la empresa ofrece su propuesta de valor y elige al candidato idóneo, si no que el candidato también elige si la empresa es la adecuada para él, siendo clave identificar las expectativas que tiene el solicitante de la vacante, para poder identificar al candidato idóneo dentro del grupo de interesados. 14 De ambas definiciones podemos ver que es el proceso el cual busca atraer al mejor talento humano posible dentro de la organización, este debe poder adaptarse a la empresa,compartir el objetivo para el que se instauró y compartir su visión y valores, siendo una pieza clave para funcionamiento y la creación de valor. 2.2.1 Fuentes de reclutamiento Como bien han descrito ambos autores este proceso es crucial para las organizaciones, ya que es por el cual se puede cubrir con la demanda de fuerza laboral dentro de sus equipos, existiendo diferentes fuentes para publicar estas convocatorias, las cuales son el reclutamiento interno y externo. a) Reclutamiento interno :Según Chiavenato (2020) el reclutamiento interno, es cuando la empresa busca cubrir la vacante a través de personal que ya está dentro de esta, ya sea por medio de un cambio de área, promoción, programas de desarrollo o líneas de carrera, siendo caracterizada por exigir una gran coordinación dentro de los departamentos de la empresa. Teniendo como principales ventajas que es más económico, presenta una mayor validación con el personal de la organización, es una fuerte motivación para el personal. Sin embargo puede traer diferentes inconvenientes como ocasionar un conflicto de intereses dentro de las áreas, exige que el puesto debe significar un crecimiento o representar un cambio laboral para el trabajador, y está limitado a ciertas posiciones. b) Reclutamiento externo:, este es descrito por Chiavenato (2020) siendo cuando ocurre la vacante busca ser cubierta con un miembro ajeno a la organización, es decir que se busca cubrirlo con un miembro de afuera o del mercado laboral a través de la difusión de sus convocatorias, estos pueden venir a través de referidos, bolsas laborales, anuncios, afiches, publicaciones de redes sociales. Sus principales ventajas son la nueva experiencia que trae dentro de la empresa, enriquece los recursos humanos dentro de la organización y aprovecha la inversión de otras empresas en los colaboradores para traerlas a la propia. Sin embargo sus desventajas son que requiere más tiempo, mayor uso de recursos, es menos seguro y provoca barreras internas. 15 2.2.3 Cliente interno El cliente interno es un concepto clave dentro del proceso de reclutamiento y selección, según Alles (2001) indica que el área de recursos humanos tiene un rol similar al de un consultor dentro de la organización, debe entender e identificar la mejor estrategia para cumplir con la necesidad del cliente interno que haya solicitado la función, cumplir con el procedimiento y a pesar de que su solicitud haya sido aprobada o no, debe mantenerse una comunicación fluida y buscar satisfacer su necesidad principal en todo momento. 2.2.4 Proceso de Selección Según Chiavenato (2020) es la segunda parte del proceso, siguiendo de reclutamiento, mientras que la parte de reclutamiento se basa en atraer la mayor cantidad de candidatos, estas se centran en escoger a los candidatos que tengan mayor probabilidad de adaptarse al puesto. Se basa en un proceso de comparación, entre las competencias de los candidatos y las competencias esperadas dentro del perfil de puesto establecido para la posición vacante. 2.2.5 Técnicas de selección tradicionales Al ser un proceso de evaluación hay diferentes técnicas y estrategias a emplear. Según Chiavenato (2020) la estrategia más utilizada es la entrevista, siendo una de las evaluaciones iniciales y empleada para filtrar a los candidatos potenciales, siendo un proceso de intercambio de información entre el entrevistado y el entrevistador, este puede llegar a ser subjetivo, sin embargo es bastante útil para poder identificar las competencias necesarias para una posición, por lo que debe entrenarse y capacitarse al evaluador. Por otro lado también nos presenta los test psicológicos, siendo instrumentos capaces de medir operaciones mentales y/o manuales de los candidatos, siendo una manera objetiva y estándar para poder medir las conductas y competencias esperadas, pudiendo llegar a evaluar diferentes aspectos de la persona, como su personalidad, actitudes, comportamientos esperados, etc. 2.2.5 Técnicas de modernas de selección En la actualidad la digitalización de los procesos de selección no son una novedad, desde la pandemia hasta la actualidad se han venido empleando cada vez más desde digitalización de procesos de evaluación a través de plataformas digitales como multitest, krowdy o hiring room. La digitalización del proceso de selección es bastante compatible con la digitalización y el empleo tanto de herramientas digitales como de IA, tanto la implementación donde herramientas como SAP y un ERP son claves para este proceso, desde el reclutamiento hasta 16 la evaluación, donde recientemente se han incluido la IA generativa para la evaluación de diferentes perfiles, además de que un proceso de selección virtual es mucho más cómodo para el candidato, logrando un mayor número de participación dentro de este (Nadal, E.,et al., 2025). Debido a esto las nuevas técnicas de selección, donde se busca complementar las evaluaciones tradicionales mediante las herramientas tecnológicas, como realizar entrevistas a través de canales digitales o aplicar las instrumentos de evaluación a través de plataformas digitales, facilitan la participación dentro de los procesos de selección y al mismo tiempo disminuye el la duración de este. 2.3 Inteligencia Artificial generativa en el entorno organizacional La inteligencia artificial generativa (IAG) se define como un conjunto de sistemas capaces de producir contenidos nuevos como textos, imágenes, música o códigos a partir de grandes conjuntos de datos; esta capacidad deriva de modelos generativos tempranos como las redes generativas antagónicas y se potencia con modelos de lenguaje de gran tamaño (LLM) que predicen secuencias de palabras para generar lenguaje humano (Storey, V., et al., 2025). Estos modelos emplean redes neuronales profundas que aprenden distribuciones probabilísticas complejas y generan datos que se asemejan a los ejemplos reales, lo que los distingue de los modelos discriminativos dedicados a clasificar o predecir (Storey, V.,et al., 2025). Desde 2023, la popularidad de herramientas como ChatGPT, GEMINI, entre otras ha aumentado el interés en la IAG y demuestra cómo los LLM pueden contextualizar el lenguaje y desempeñar tareas de conocimiento antes inalcanzables, despertando expectativas sobre nuevas oportunidades empresariales (Storey, V.,et al., 2025). En el entorno organizacional se observa un crecimiento sostenido en la adopción de herramientas de inteligencia artificial generativa (IAG) (McKinsey, 2024). Este avance depende en gran medida de un liderazgo fuerte capaz de impulsar nuevas formas de trabajo y evitar que la implementación recaiga únicamente en áreas técnicas como TI, lo que suele limitar su éxito (Sukharevsky et al., 2025). Por ejemplo, en marketing la IAG se aplica para generar contenido creativo, desde publicaciones en redes sociales, memes y respuestas en chatbots hasta ideas para videos, y, además, la personalización se ha consolidado como estrategia central: muchas empresas emplean chatbots generativos para ofrecer recomendaciones específicas a sus clientes (Russell, 2025). Estos avances se presentarán de manera visual en el Gráfico N.° 1, donde se muestra el crecimiento de la adopción de la IAG en el entorno organizacional. 17 GRÁFICO N°1 Fuente: Encuesta Global de McKinsey sobre IA, 2024 En base a lo mencionado puede existir una sensación de miedo a la adopción de estas tecnologías, puesto que al emplear tareas operativas los trabajadores pueden percibir que la IAG los está reemplazando y generar resistencia, sin embargo, esto es lo que se busca evitar. Se busca implementar este tipo de herramientas y disminuir la resistencia a su incorporación dentro de una organización. Chavez (2024) nos indica que la clave del éxito de una organización será la creación de un ambiente que le permita a sus colaboradores adaptarse de mejor manera a este nuevo tipo de tecnología, que tiene la capacidad de incrementar la eficiencia operativa de entre unos 50% y 70% y mejorando la toma de decisiones. 2.3.1 Inteligencia Artificial Generativa en RRHH En recursos humanos, estudios recientes indican que automatizar tareas mediante IAG puede ahorrar del 15 % al 20 % del tiempo laboral de la función al redactar descripciones de puestos, seleccionar currículos, programar entrevistas, analizar conversaciones y generar comunicaciones de oferta, lo que permite a los profesionales concentrarse en actividades estratégicas (Hazan, J. & Gunn, S., 2024). Sin embargo, aún se tiene desconfianza sobre la seguridad de los datos lo que provoca una resistencia en la implementación de este tipo de tecnologías en los procesos de RRHH (Quintana, 2025). Por otro lado, tal como lo señala Tejada (2024) la IAG en este contexto es solo un apoyo para las tareas más operativas, esta 18 cumple un rol de apoyo y no un decisorio, en el que la parte humana todavía sigue siendo el principal encargado y dueño del proceso. En línea con esto, un estudio de McKinsey (2024) evidenció que las organizaciones reportan reducciones significativas de costos en recursos humanos gracias al uso de IA generativa, lo que se presenta de manera ilustrativa en el Gráfico N.° 2. GRÁFICON° 2. Fuente: Encuesta Global de McKinsey sobre IA, 2024 Por lo comentado anteriormente podemos ver que la IAG tiene una gran capacidad de de acelerar las tareas y facilitar la toma de decisión, y los problemas de seguridad son abordados definiendo pautas clave para la información que se comparte en este medio, siendo el ser humano el principal filtro y encargado del proceso, la IA pasa a ser un elemento de apoyo en todo el proceso. 2.3.2 Inteligencia artificial en la gestión del talento humano La inteligencia artificial (IA) se ha convertido en un recurso estratégico en la gestión del talento humano al permitir automatizar procesos y potenciar la toma de decisiones basada en datos (Briones et al, 202). Diversas investigaciones respaldan la integración de la IA en los procesos de recursos humanos. Maghsoudi, Mozafari y Ghasemaghaei (2023) identificaron cuatro áreas centrales de aplicación: planificación de la fuerza laboral, predicción de rotación, evaluación del rendimiento y soporte a la toma de decisiones estratégicas. De forma similar, un estudio empírico en el sector salud mostró que el uso de IA en recursos humanos incrementa la productividad y el bienestar de los empleados al facilitar el aprendizaje organizacional (Shaikh, Alamer & Rahman, 2023). En términos prácticos, empresas globales también han 19 evidenciado impactos positivos, por ejemplo, Walmart utiliza IA para identificar candidatos y capacitar en nuevas competencias digitales (Business Insider, 2025), mientras que Moderna fusionó sus área de tecnología y recursos humanos para redefinir funciones con apoyo de IA (Wall Street, 2025). No obstante, el uso de IA en la gestión del talento humano también plantea desafíos éticos como la privacidad de los datos y los sesgos algorítmicos, así como, implicaciones prácticas como el impacto de la automatización en el empleo (Chávez et al, 2024), otros autores señalan riesgos como la transparencia en los procesos de selección y la privacidad de sesgos algorítmicos, la transparencia en los procesos de selección y la privacidad de los datos personales (Sadegui, 2024). Aún así, se ha demostrado que las herramientas de IA pueden incluso superar a los humanos en métricas de equidad, mejorando la inclusión en los procesos de contratación (HRReview, 2025). De este modo, la IA no solo transforma la eficiencia de los procesos de recursos humanos, sino que redefine el papel del talento humano en las organizaciones, requiriendo políticas que aseguren su uso ético y responsable (Arbaiza, 2024). 2.3.3 Inteligencia Artificial Generativa y Selección Diversos estudios empíricos destacan cómo la IA generativa se aplica en etapas clave de la selección: desde el screening automático de currículums mediante algoritmos de machine learning, hasta entrevistas con chatbots y análisis de lenguaje natural que predicen competencias socioemocionales (Arbaiza, 2024). Maghsoudi, Mozafari y Ghasemaghaei (2023) identifican que la IA fortalece la toma de decisiones estratégicas en RR.HH., facilitando predicciones sobre la compatibilidad entre candidatos y puestos. Además, HRReview (2025) reporta que, en comparación con la evaluación humana, los sistemas de IA muestran mayores niveles de imparcialidad en métricas de equidad, lo que puede favorecer la inclusión en los procesos de contratación. Asimismo, se demuestra cómo la IA puede hacer más eficiente el proceso de selección. Por ejemplo, el uso de la plataforma HireVue permitió a una empresa multinacional de consumo masivo procesar más de 250000 candidatos, aumentando la tasa de finalización de entrevistas de jóvenes del 50 % al 96 % y reduciendo el tiempo de contratación en un 90 % (HireVue, 2025). Asimismo, compañías globales como Walmart han adoptado IA para identificar líderes potenciales, mientras que Abano Healthcare Group reportó una disminución significativa en el time-to-interview gracias a plataformas de matching automatizado (Business Insider, 2025; 20 Leoforce, 2025). Estos casos evidencian que la IA no solo reduce tiempos y costos, sino que también incrementa la diversidad y la eficiencia de los procesos de selección. Otra de las implementaciones de la IA puede ser en las famosas ATS, para Quintana (2025) las cuales permiten automatizar diferentes tareas operativas del proceso de reclutamiento, permite hacer un seguimiento masivo a los candidatos, programar diversas evaluaciones, jerarquizar los perfiles de acuerdo a las preguntas filtro. Además la implementación de estos modelos permite la aplicación de un análisis predictivo, campañas masivas y programadas, lo que lleva a una gran reducción del tiempo del proceso, debido a la automatización de las actividades operativas 2.3.4 Inteligencia Artificial Generativa y Agentes de Inteligencia Artificial GEMs, GPT Un agente de IA es un sistema computacional autónomo que percibe su entorno, tiene objetivos definidos, y actúa sobre dicho entorno mediante planeación, generación de subtareas y uso de herramientas para cumplir esos objetivos sin intervención humana continua (Boston Consulting Group (BCG), 2023). Estos agentes suelen apoyarse en modelos de lenguaje grande (LLMs como Gemini o GPT) que están pre entrenados y afinados, lo que les permita razonar en múltiples pasos, adaptarse a situaciones cambiantes, y generar outputs coherentes basados en instrucciones, contexto y objetivos definidos (Rasheed, et al.). En la Tabla 1 se presenta una comparación de precios de las principales plataformas actuales para la creación de agentes de IA, la tabla incluye información de IBM watsonx, GPTs y los Gems de Gemini. Tabla 1. Empresa Agente de IA Costo por acceso a la creación de agente de IA Open AI Chat GPT $20.00 dólares americanos/mes Google Gemini Costo 0 para cuentas personales Fuente: Elaboración propia 21 Estos agentes de IA pueden ser usados en diferentes áreas de la organización, por ejemplo, en el área de marketing, pueden diseñar, ejecutar y optimizar campañas completas, generando contenido creativo, seleccionando segmentos de audiencia y ajustando mensajes según métricas de rendimiento en tiempo real, todo sin supervisión humana constante (BCG, 2023). En ventas, se emplean agentes que interactúan con clientes a través de chat, generar propuestas personalizadas, predicen leads de alta conversión y automatizan seguimiento, liberando a los equipos humanos para tareas estratégicas (BCG, 2023). En finanzas, los agentes se usan para simulaciones de escenarios, generación automática de reportes financieros, evaluación de riesgos mediante modelos predictivos, y optimización de decisiones en inversiones o presupuestos, apoyándose en los poderes combinados de LLMs, datos históricos y herramientas externas (BCG, 2023; Zheng et al., 2024). En recursos humanos, los agentes GPT pueden utilizarse para automatizar la redacción de descripciones de puestos, realizar preselección de candidatos con base en perfiles, gestionar feedback de desempeño y diseñar planes de desarrollo personalizados, gracias a su capacidad de razonar sobre datos humanos y contexto laboral (Rasheed et al., 2023). 2.3.5 Inteligencia Artificial Generativa y sesgos durante el proceso de selección Uno de los puntos principales a tratar son los sesgos, si bien Quintana (2025) menciona que la IAG tiene la capacidad de reducir los sesgos por parte del personal humano en el proceso, estos pueden o ser programados en la misma IAG o adquiridos mediante un proceso de aprendizaje, mediante la interacción con el evaluador. Por lo mencionado anteriormente es necesario una supervisión constante de esta tecnología, para evitar el desarrollo de estos sesgos es necesario incluir mecanismos de autoevaluación y supervisión constante de diversas personas. Capítulo III: Entorno Empresarial El Grupo Picorp se desenvuelve en un entorno empresarial marcado por dinámicas laborales retadoras, en donde la rotación de personal alcanza un 37%, reflejando una problemática estructural que limita la continuidad operativa y eleva los costos asociados a la gestión de recursos humanos. Esto genera a su vez aumento de costos, sobrecarga de trabajo, menor calidad del servicio y en recursos humanos una preocupación por la mejora del proceso de reclutamiento y selección. Actualmente, el tiempo de contratación es entre 15 y 17 días hábiles desde la recepción del requerimiento hasta el ingreso y firma del contrato del colaborador. Proceso detallado en el GRÁFICO N° 3. 22 GRÁFICO N°3. Fuente: Elaboración propia Desde la perspectiva demográfica, la fuerza laboral de Picorp se compone mayoritariamente por mujeres (85) frente a 33 hombres, lo que sugiere una participación femenina significativa en las operaciones de la compañía. En cuanto a los rangos de edad, se identifica una mayoría de colaboradores jóvenes entre 20 y 35 años, lo que refleja una fuerza laboral en etapa de inserción y consolidación profesional. En menor medida, se encuentra un grupo de trabajadores entre los 36 y 45 años, quienes aportan experiencia y estabilidad, y un segmento reducido mayor de 46 años, que representa un capital humano con mayor trayectoria y conocimiento organizacional. Esta estructura etaria evidencia un entorno predominantemente juvenil, con altas expectativas de desarrollo y movilidad, lo que genera tanto dinamismo como vulnerabilidad frente a la rotación. En cuanto a las responsabilidades familiares, el análisis indica que 70 colaboradores son padres o madres de familia, mientras que 48 no cuentan con hijos. Esta variable incide directamente en la gestión del talento, ya que el compromiso y la estabilidad pueden verse 23 influenciados por las necesidades de conciliación entre la vida laboral y personal. En este sentido, las políticas organizacionales de Picorp deben orientarse hacia la flexibilidad y el apoyo social, lo que contribuiría a mejorar la satisfacción y la permanencia del personal. La distribución por estaciones de servicio refleja la dispersión operativa de la empresa en diversas zonas estratégicas. Entre las sedes con mayor número de colaboradores destacan Huachipa (25), Torrelblanca (24) y Carabayllo (21), mientras que otras presentan menores dotaciones como Chinecas (4) o Mora (7). Este esquema revela que Picorp gestiona equipos en puntos geográficos diversos, lo cual representa un reto en términos de supervisión, cohesión cultural y estandarización de prácticas organizacionales. En síntesis, el entorno empresarial de Picorp se caracteriza por una plantilla laboral diversa en género, edad y responsabilidades familiares, pero con un patrón de alta rotación que refleja la necesidad de implementar estrategias de retención y motivación más sólidas. La juventud de la fuerza laboral constituye tanto una oportunidad, por su capacidad de adaptación, como un desafío, al requerir planes de desarrollo profesional que respondan a sus expectativas. En este escenario, el fortalecimiento de la cultura organizacional, la inversión en formación continua y la mejora de condiciones laborales se convierten en ejes estratégicos para consolidar la sostenibilidad de la empresa en el sector. se puede visualizar en el GRÁFICO N° 4. GRÁFICO N°4 Fuente propia 24 Capítulo IV: Metodología de la Investigación 4.1 Diseño de la investigación La investigación se llevó a cabo bajo un diseño no experimental y de tipo transversal. Se considera no experimental porque no se manipularon deliberadamente las variables estudiadas. Asimismo, se clasifica como transversal debido a que la recolección de datos se realizó en un único momento temporal. En cuanto al enfoque, este fue mixto, ya que se aplicaron métodos de análisis estadístico y entrevistas hacia los principales implicados donde se buscó conocer más sobre su apertura y opinión hacia la IA, aplicando técnicas tanto cualitativas como cuantitativas. Además, el estudio tiene un alcance descriptivo, pues su propósito es detallar y definir con precisión las características, propiedades o comportamientos de un fenómeno, grupo o situación específica (Hernández-Sampieri y Mendoza, 2018). 4.2 Población y muestra 4.2.1 Población objetiva Según Hernández-Sampieri y Mendoza (2018) la población responde a la totalidad de los casos que tienen una serie de características afines. Para el presente trabajo se consideró que la población incluye a todos los colaboradores del equipo de reclutamiento y selección que corresponde a 3 personas. 25 4.2.2 Tamaño de muestra La muestra constituye un segmento de la población del cual se recoge la información del estudio y cuya composición debe reflejar las características de dicha población. (Hernández y Mendoza, 2018). Dado que la población total del equipo de reclutamiento y selección son 3 personas, se optó por evaluar a todo el personal. Se tomaron en cuenta: Criterios de Inclusión: - Personas que trabajan en el equipo de reclutamiento y selección de la empresa PICORP. Criterios de Exclusión: - Personas que no pertenezcan al equipo de reclutamiento y selección de la empresa PICORP. 4.4 Instrumentos de medición La evaluación para medir la implementación de la Inteligencia Artificial Generativa en el contexto organizacional (Chávez Hernández, 2024). Este instrumento mide el impacto de la Inteligencia Artificial Generativa. La escala consta de ítems distribuidos en 7 dimensiones, cada uno evaluado en una escala de Likert de 5 puntos, la escala para medir la frecuencia de las respuestas del 1 al 5, donde 1 corresponde a totalmente en desacuerdo; 2, en desacuerdo; 3, ni de acuerdo ni en desacuerdo; 4, de acuerdo; y 5, totalmente de acuerdo. La escala evalúa los siguientes aspectos: - Interrelación de la IAG con el ser humano en su entorno laboral: (5 ítems: 1, 2, 3, 4 y 5). Se centra en la percepción de los trabajadores respecto a su impacto en el trabajo, la comodidad y confianza al interactuar con ella, así como en su potencial para liberar tiempo hacia tareas creativas y complementar sus capacidades. Este factor mostró un alfa de Cronbach de 0.859. - Adopción de la IAG: (5 ítems: 6, 7, 8, 9 y 10) Mide el grado de incorporación de la IAG en la organización a través de estrategias, implementación, inversión, capacitación y apoyo a la toma de decisiones. Este factor mostró un alfa de Cronbach de 0.842. - Uso eficiente de la IAG: Evalúa cómo la IAG contribuye a la personalización, calidad de productos/servicios, mejora de resultados y reducción de costos. (4 ítems: 11, 12, 13 y 14) Este factor mostró un alfa de Cronbach de 0.823. 26 - Adaptación de la IAG: (4 ítems: 15, 16, 17 y 18) Aprecia el nivel en que la organización ajusta procesos y formas de trabajo para aprovechar los beneficios de la IAG. Este factor mostró un alfa de Cronbach de 0.807. - Integración de la IAG en la organización: Determina la compatibilidad tecnológica, la capacitación del personal y los mecanismos de evaluación para consolidar la IAG en la empresa.(3 ítems: 19, 20 y 21) Este factor mostró un alfa de Cronbach de 0.762. - Percepción de la IAG: (2 ítems: 22 y 23) Evalúa la visión organizacional sobre la relevancia de la IAG y el compromiso de la alta dirección para adoptarla. Este factor mostró un alfa de Cronbach de 0.839. - Reemplazo de tareas por la IAG: (1 ítem: 24) Mide el grado en que la IAG sustituye tareas antes realizadas por trabajadores humanos. Este factor no mostró alfa de Cronbach, esto probablemente se debe a que la dimensión cuenta con un solo ítem, sin embargo se sigue usando debido al análisis factorial donde tiene un 0.776. En cuanto a la confiabilidad, la escala global mostró un alfa de Cronbach de 0.909, esto es indicador de una alta consistencia interna y refuerza la fiabilidad del instrumento para medir la implementación de la IAG en el contexto organizacional. 4.5 Recopilación de datos La recolección de datos se realizó mediante el envío de un cuestionario dirigido a los colaboradores del área de reclutamiento y selección de PICORP. Dicho instrumento fue distribuido y completado de forma virtual, utilizando el correo electrónico y la plataforma Google Forms. Para garantizar la correcta aplicación, se convocó a los participantes a una reunión por Zoom, donde podían aclarar sus dudas directamente con los investigadores. El tiempo asignado para responder fue de 20 minutos. La invitación a participar se efectuó por WhatsApp, contando con la aceptación voluntaria de todos los encuestados, a quienes se informó que el estudio tenía fines estrictamente académicos y que sus respuestas se mantendrían en anonimato. Para complementar y profundizar los hallazgos cuantitativos, se implementó una estrategia cualitativa mediante entrevistas semiestructuradas. La muestra estuvo conformada por 2 integrantes clave del equipo de reclutamiento y selección. Las entrevistas se llevaron a cabo de manera individual en días diferentes a través de la plataforma Zoom. 27 4.6 Procesamiento de los datos El procesamiento de datos en este estudio se llevó a cabo en varias etapas. Primero, se revisaron los cuestionarios para asegurar que estuvieran completos y libres de inconsistencias. Posteriormente, se codificaron los ítems de la escala Likert asignando valores numéricos de 1 a 5. Los datos se ingresaron a Excel, donde cada fila representa a un participante y cada columna a un ítem. Para el análisis descriptivo calculamos la media de las respuestas, lo que permitió identificar las tendencias generales en las percepciones de los encuestados. Asimismo, se agruparon los ítems por dimensiones para obtener puntajes globales en categorías específicas, como adopción, percepción o integración. Finalmente, los resultados se presentaron en tablas y gráficos, facilitando la interpretación de los hallazgos de manera clara y precisa. Para la recopilación de los datos cualitativos, se procedió a la transcripción literal de cada sesión. El análisis de contenido se realizó mediante la identificación de patrones y categorías emergentes en las respuestas, lo que permitió triangular la información y enriquecer la interpretación de los resultados. 28 Capítulo V: Resultados Dimensión: Interrelación de la IAG con el ser humano en su entorno laboral Análisis Cuantitativo: 29 Tabla 2. 30 Dimen Preguntas Promed Análisis sión io Interrel La IAG ha 2.67 El e quipo percibe que la IAG ha contribuido ación co ntribuido a un en cierta m dida a un mejor ambiente de de la mejor ambiente trabajo, aunqu el efecto e s limitado y no llega IAG de trabajo. a con el onsolidarse como u na mejora s ignificativa. ser human o en su entorno laboral Me siento cómodo(a) trabajando con la IAG en mis actividades de trabajo 3.33 Los colaboradores se sienten relativamente cómodos integrando la IAG en sus actividades, mostrando apertura hacia su uso, aunque aún no alcanza un nivel de plena aceptación. Confío en la IAG para tomar decisiones en mis actividades de trabajo. La IAG me ha permitido enfocarme en tareas más creativas 5. La IAG complementa mis habilidades y capacidades como colaborador(a) de la empresa. 3.67 Existe una percepción positiva en la IAG como apoyo para la toma de decisiones, siendo este uno de los aspectos mejor valorados por el equipo. 3 Eso quiere decir que la percepción general se mantiene en un nivel intermedio. 3.33 Es decir, el equipo reconoce que la IAG complementa sus capacidades y potencia su desempeño en la empresa. 31 Fuente: Elaboración propia Hallazgos Cualitativos (Entrevistas): ● Uso actual: El uso de IAG es incipiente y principalmente individual. Se emplea ChatGPT para tareas puntuales como redacción de comunicados o documentos. ● Actitud: Los colaboradores que la han utilizado expresan comodidad y reconocen su capacidad para optimizar tareas repetitivas y aumentar la eficiencia. ● Potencial: Se identifica que la IAG permite simplificar procesos administrativos, reduciendo tareas de horas a minutos. Análisis Integrado: Existe una disposición favorable del personal hacia la IAG, sintiéndose cómodos con su uso y reconociendo su valor como complemento. Sin embargo, su impacto tangible en la mejora del ambiente laboral y la liberación para la creatividad es aún limitado, probablemente debido a la falta de una implementación formal y estratégica. El uso de la IAG aún se encuentra en una etapa inicial dentro de PICORP. Mientras algunos colaboradores han experimentado con herramientas como ChatGPT para tareas puntuales (redacción de comunicados o documentos), su uso no es generalizado ni sistemático. Sin embargo, se percibe una actitud positiva hacia la tecnología: los trabajadores reconocen su capacidad para optimizar tareas repetitivas y aumentar la eficiencia. Quienes la han utilizado expresan sentirse cómodos y consideran que facilita sus funciones diarias. Dimensión: Adopción de la IAG Análisis Cuantitativo: Tabla 3. Dimensión Preguntas Promedio Análisis Adopción de la IAG 6. La empresa tiene una estrategia clara para la adopción de la IAG 1.33 Se percibe que la empresa carece de una estrategia definida para adoptar la IAG. 32 7. La empresa ha adoptado la inteligencia artificial generativa en sus procesos 1.67 Los colaboradores consideran que la IAG apenas se ha integrado en los procesos internos, con un avance muy limitado. 1.67 8. La empresa ha invertido en recursos para la implementación de la IAG 9. La empresa cuenta con personal capacitado para usar la IAG 2.33 El equipo percibe una falta de inversión en recursos suficientes para implementar la IAG de manera adecuada. Se considera que el nivel de capacitación es bajo y aún insuficiente para un uso pleno de la IAG 10. La IAG se utiliza en nuestra empresa para la mejora de la toma de decisiones 2.33 La IAG no es vista como un recurso clave en las decisiones estratégicas de la empresa, mostrando un impacto bajo. Fuente: Elaboración propia Hallazgos Cualitativos (Entrevistas): ● Estrategia: No existe una implementación formal. La adopción ha sido individual y espontánea. La estrategia se encuentra en fase de planificación. ● Proyección: Se está evaluando la adquisición de un paquete más completo para una integración futura y estructurada. Análisis Integrado: Esta es la dimensión más crítica. La empresa se encuentra en una etapa exploratoria o de adopción incipiente. Existe un interés creciente, pero se carece de los pilares fundamentales para una adopción real: una estrategia clara, inversión específica y un programa de capacitación formal. La empresa no ha implementado formalmente la IAG en sus procesos, aunque existen iniciativas individuales y un creciente interés institucional. La estrategia se encuentra en fase de planificación, evaluando opciones para integrar la IAG de manera estructurada. Esto 33 evidencia que PICORP está en una etapa exploratoria o de adopción incipiente, donde el aprendizaje y la experimentación predominan sobre la institucionalización. Dimensión: Uso eficiente de la IAG Análisis Cuantitativo: Tabla 4. Dimensión Preguntas Promedio Análisis Uso eficiente de la IAG 11. La IAG se utiliza en nuestra empresa para la personalización de productos y/o servicios. 1.67 La percepción general es que la IAG casi no se utiliza en la personalización de productos o servicios. 12. La IAG ha mejorado la calidad de nuestros productos y/o servicios 2.33 El equipo identifica un impacto muy limitado de la IAG en la mejora de la calidad de los productos o servicios. No se perciben beneficios tangibles 2 en los resultados globales de la empresa derivados del uso de la IAG. 13. La IAG ha contribuido a la mejora de los resultados de la empresa 14. La IAG nos ha El impacto de la IAG en la 2 ayudado a reducir costos operativos reducción de costos es considerado bajo y poco evidente. Fuente: Elaboración propia Hallazgos Cualitativos (Entrevistas): 34 ● Impacto concreto: Se reporta un caso específico de éxito: el uso de IA redujo el tiempo de procesamiento de reconocimientos del personal operativo de 1-2 semanas a 3-4 días. ● Impacto general: Fuera de casos aislados, el impacto en los servicios ofrecidos es prácticamente nulo. Análisis Integrado: El uso eficiente es esporádico y no sistematizado. Mientras las herramientas se usen de manera aislada y no integrada en los procesos core del negocio (como el reclutamiento), su impacto en la eficiencia, calidad y costos seguirá siendo marginal. El caso de los reconocimientos demuestra el potencial, pero este no se ha escalado. El impacto actual de la IAG en los productos ofrecidos es limitado, aunque hay indicios de mejora en áreas operativas. Por ejemplo, el uso de IA ha permitido reducir significativamente los tiempos de procesamiento de reconocimientos y evaluaciones del personal operativo (de una o dos semanas a tres o cuatro días). Esto demuestra que la adopción, aunque parcial, ya genera beneficios concretos en eficiencia y procesamiento de información. Dimensión: Adaptación a la IAG Análisis Cuantitativo: Tabla 5. Dimensión Preguntas Promedio Análisis Adaptación a la IAG 15. Como colaborador(a) de esta empresa estoy informado(a) 2.67 Los colaboradores sienten que cuentan con información parcial sobre los beneficios de la IAG, aunque no suficiente ni detallada. sobre los beneficios de la IAG 35 16. La IAG se ha adaptado a las necesidades específicas de la empresa 1.67 Se percibe que la IAG no ha sido ajustada a las particularidades y necesidades de la empresa. 17. Los procesos de trabajo se han modificado para aprovechar la IAG 1.67 El equipo cree que los procesos de trabajo apenas se han modificado para integrar la IAG de forma efectiva. 18. La IAG ha generado cambios positivos en la forma de trabajar 1.67 No se reconocen transformaciones significativas en la manera de trabajar gracias a la IAG. Fuente: Elaboración propia Hallazgos Cualitativos (Entrevistas): ● Flexibilidad de procesos: No se mencionan cambios estructurales en los flujos de trabajo para incorporar la IAG. Su uso se "superpone" a los procesos existentes. Análisis Integrado: Existe una rigidez en los procesos. La empresa no ha rediseñado sus flujos de trabajo para integrar y sacar el máximo provecho de las capacidades de la IAG. La tecnología se usa de forma adyacente, no como un componente central. No existe una capacitación formal sobre el uso de la IAG. Los colaboradores que la utilizan lo hacen de forma autodidacta, lo cual limita su aprovechamiento. Ambos entrevistados coinciden en que la formación es una necesidad urgente, pues gran parte del personal no comprende aún el potencial de estas herramientas. Esto representa una brecha de conocimiento que la empresa deberá abordar para una adopción efectiva. Dimensión: Integración de la IAG en la organización Análisis Cuantitativo: 36 Tabla 6. Dimensión Preguntas Promedio Análisis Integración de la IAG en la organización 19. La infraestructura tecnológica de nuestra empresa es compatible con la IAG 2 La infraestructura de la empresa se percibe como insuficiente para aprovechar plenamente las capacidades de la IAG. 20. Como colaborador(a) de esta empresa se me ha capacitado para trabajar con IAG 1.67 Los colaboradores manifiestan que no han recibido suficiente capacitación formal para trabajar con la IAG. 21. En la empresa se han establecido mecanismos para la evaluación del impacto de la IAG 1.67 Se percibe que no existen mecanismos claros para evaluar el impacto real de la IAG dentro de la organización. Fuente: Elaboración propia Hallazgos Cualitativos (Entrevistas): ● Capacitación: No se ha realizado ninguna capacitación formal. Los colaboradores son autodidactas, lo que limita el aprovechamiento óptimo de las herramientas. Análisis Integrado: La integración es débil. Faltan los tres pilares: 1) Soporte tecnológico adecuado, 2) Desarrollo de capacidades en el personal y 3) Un sistema de medición que permita evaluar el retorno de la inversión y guiar la mejora continua. 37 Dimensión: Percepción de la IAG Análisis Cuantitativo: Tabla 7. Dimensión Preguntas Promedio Análisis Percepción de la IAG AG se 22. La I consider a una tecnolog a relevante para nuestra e mpresa 2.33 La IAG todavía no es vista como una tecnología relevante para la empresa. 23. La al ta direcció n está comprometida con la ad opción de la IAG 1.67 El equipo percibe una falta de compromiso y liderazgo por parte de la alta dirección en el proceso de adopción de la IAG. Fuente: Elaboración propia Hallazgos Cualitativos (Entrevistas): ● Visión de los líderes: La percepción es divergente. Mientras áreas tradicionales como RR.HH. no la priorizan, la alta dirección y áreas como Marketing reconocen su importancia estratégica para optimizar procesos. Análisis Integrado: Existe una divergencia en la percepción del valor estratégico de la IAG. Aunque hay interés en algunos niveles directivos, este no se ha traducido en un compromiso visible y activo que impulse la adopción, lo que genera una percepción de falta de relevancia en el resto de la organización. Dimensión: Reemplazo de tareas por la IAG Análisis Cuantitativo: 38 Tabla 8. Fuente: Elaboración propia Hallazgos Cualitativos (Entrevistas): ● Tareas afectadas: Se identifica que la IA (tradicional y generativa) ha comenzado a reemplazar tareas en áreas administrativas (cálculos de planillas) y se vislumbra su potencial para sustituir parcialmente funciones en comunicación y marketing (generación de contenido). ● Enfoque: La sustitución se ve como complementaria y no como una amenaza inmediata a puestos completos. Análisis Integrado: La IAG y otras formas de IA ya están reemplazando tareas manuales en procesos administrativos, como cálculos o redacción básica de documentos. A mediano plazo, se espera que estas tecnologías puedan sustituir parcialmente funciones en comunicación y marketing, especialmente en la creación de contenido visual y textual. No obstante, esta sustitución aún es incipiente y complementaria, más que sustitutiva. No existe una percepción generalizada de que la IAG represente una amenaza significativa para el empleo en el corto plazo. Dimensión Preguntas Promedio Análisis Reemplazo de tareas por la IAG 24. La IAG ha reemplazado algunas tareas realizadas anteriormente por los humanos 2.67 Se reconoce que la IAG ha reemplazado algunas tareas humanas, aunque este impacto aún es limitado. 39 Capítulo VI: Conclusiones y recomendaciones y plan de acción 6.1 Conclusiones Se concluye que la implementación de modelos generativos (GEMs) y herramientas de inteligencia artificial en Grifo PICORP puede optimizar la gestión de reclutamiento y selección de personal operativo al transformar el proceso en uno más ágil, preciso y estratégico. Actualmente, el equipo muestra apertura hacia el uso de la IAG, reconoce su potencial y se siente relativamente cómodo con estas herramientas; sin embargo, existe una ausencia de lineamientos claros, inversión y respaldo directivo, lo que convierte sus esfuerzos en iniciativas aisladas. Si se estableciera una estrategia institucional, los GEMs podrían automatizar tareas repetitivas como el filtrado de currículums, la elaboración de descripciones de puestos y la evaluación inicial de candidatos, reduciendo tiempos y sesgos en la selección. Además, la IAG contribuiría en la creatividad de los procesos de atracción de talento y en la generación de informes más completos para la toma de decisiones. Esto permitiría que el equipo de reclutamiento enfoque sus capacidades en actividades de mayor valor, como la alineación cultural del candidato con la empresa. De las entrevistas se puede ver que en el grupo PICOR el uso de la Inteligencia Artificial generativa aún es individual y no institucional. Por ello, el liderazgo debe asumir un rol activo en su gestión e impulso, promoviendo su integración estratégica. Además, es esencial que la empresa brinde formación y acompañamiento a los colaboradores para lograr un uso efectivo y alineado con los objetivos organizacionales, fortaleciendo así la innovación y la eficiencia del grupo. En suma, la optimización del proceso en PICORP no depende únicamente de la disposición del equipo, que ya existe, sino del liderazgo organizacional para integrar la IAG como parte de su estrategia. Con una dirección clara, capacitación y compromiso gerencial, la 40 empresa podría convertir la apertura actual en una adopción sólida, logrando un reclutamiento más eficiente, competitivo y alineado con las demandas del sector hidrocarburos. 6.2 Recomendaciones y plan de acción 6..2.1 Recomendaciones 1. Se recomienda implementar una estrategia clara de adopción de la IAG, con objetivos medibles y un compromiso visible de la alta dirección. Actualmente, el bajo involucramiento gerencial limita cualquier avance, por lo que es fundamental que el liderazgo impulse y respalde activamente la implementación. 2. Invertir de manera gradual en programas de capacitación especializados para el área de reclutamiento, junto con la adquisición de recursos tecnológicos (como software de análisis de CV, chatbots o integraciones con sistemas de RR. HH.), constituye una estrategia viable y sostenible. Sin embargo, un primer paso factible es incorporar el uso de agentes de inteligencia artificial gratuitos, como los GEMs, que faciliten la aplicación práctica de la IAG en las actividades cotidianas del equipo de selección. 3. Rediseñar los procesos actuales incorporando automatización en tareas repetitivas, liberando al equipo para labores más estratégicas. Además, se deben establecer indicadores claros para medir impacto: reducción de tiempos de contratación y calidad de candidatos seleccionados. 4. Reforzar la comunicación interna, socializar logros y mostrar ejemplos concretos de cómo la IAG aporta valor. Esto ayudará a consolidar una cultura de innovación donde la tecnología sea vista como un aliado y no como una amenaza. 6.2.2 Plan de acción 6.2.2.1 Estrategia de Intervención La estrategia central es la Integración Progresiva y Estratégica de la IAG, con el objetivo de convertir el proceso de selección manual y subjetivo en uno más ágil, preciso y con soporte en dato Tabla 9 Fase Objetivo Principal Justificación Fase 1: Definición Establecer el objetivo claro y Los resultados del diagnóstico del Desafío medible del proyecto. inicial muestran que, si bien el 41 personal usa IAG, existe una ausencia de estrategia institucional Fase 2: Capacitación Generar una cultura de adopción La resistencia, la limitada positiva y reducir la resistencia capacitación y la falta de organizacional. lineamientos claros son obstáculos importantes para la adopción. Fase 3: Integración Automatizar las tareas Permite una adopción gradual, Progresiva de IA operativas (cribado y filtrado) minimizando riesgos técnicos y para liberar al equipo de éticos. RR.HH. a labores más estratégicas. Fase 4: Evaluación e Medir el impacto en la eficiencia Asegurar la sostenibilidad de la Indicadores (tiempo) y la calidad (candidatos gestión del talento. calificados) Fuente: Elaboración propia Objetivo General del Proyecto: Reducir el tiempo de contratación actual (entre 15 y 17 días hábiles) a un máximo de 7 a 8 días mediante la creación de una estrategia que implemente el uso de agentes de IA y cuestionarios. 6.2.2.2 Aplicación de las Herramientas de IAG por Fase del Proceso de Reclutamiento La integración de las herramientas se enfoca en las etapas más repetitivas y lentas del proceso, que son la elaboración del perfil y la preselección. Tabla 10 Fase del Proceso de Herramienta Aplicación Específica Impacto Reclutamiento donde se de IAG Esperado aplicará la IAG Aplicada 42 1. Definición/Preparación Agente GEMs Ayuda en la Reducción del del Perfil del Puesto N° 1 (Agente de preparación y tiempo de IA Generativa) redacción del perfil a preparación del [ través de la perfil de 24 horas configuración de a 2 horas Gem´s con los perfiles de puesto disponibles en la empresa, y una guía de elaboración de estos. para que de esa forma en caso haya una modificación esta pueda generar y enviar el archivo correspondiente, con los lineamientos establecidos 2. Convocatoria y Agente GEMs Contribuye en la Mayor alcance y Atracción de Talento N° 2(Agente de creatividad de los mejores matches IA Generativa) procesos de atracción de talento , las Gem´s nos permitirán crear nuevo material audiovisual y avisos que resalten las características mas esperadas para su publicación, además de usar un Gem´s exclusivo para dar feedback y de candidatos retroalimentación a los dos de las publicaciones 3. Pre-selección / Cribado Agente GEMs Ayuda en la evaluación de CVs N° 3 (Agente de y filtrado automático IA Generativa) de CVs analizando la Incrementar en un 30% la cantidad de llamadas calificada 4. Segundo Filtro Cuestionario (Candidatos Calificados) en Forms (Plataforma digital) compatibilidad entre candidatos y puestos. Será a través de las Gem´s exclusivo de filtro de cv´s, configurado para leer lso diferentes formatos de cv´s y con las respuestas a las preguntas claves dependiendo del perfil esperado Se implementa un segundo proceso de filtro para candidatos preseleccionados, basado en los resultados de una encuesta Reducción del tiempo de preselección de 72 horas a 10 horas. Mitigac ión de sesgos inconsc ientes al centrar la selecci ón en las compet encias 44 5. Entrevistas y Toma de IAG (Gemini) Generación de Permite al equipo Decisión informes más de reclutamiento completos para facilitar enfocarse en la la toma de decisiones alineación cultural estratégicas por parte del candidato. del equipo humano. 44 Fuente: Elaboración propia 3. Programa de Capacitación y Evaluación de Resultados El programa de capacitación y la evaluación de resultados se implementan para asegurar la adopción efectiva y medir el impacto de la nueva estrategia. 6.2.2.3 Programa de Capacitación El plan exige invertir de manera gradual en bootcamps especializados. 1. Primer bootcamp ○ Metodología: Charlas y material audiovisual. ○ Contenido: Introducción a la IA, herramientas disponibles y el rol clave del colaborador como responsable y filtro principal (la IA es un apoyo, no un decisorio) ○ Objetivo : Fomentar una cultura de innovación y ver la tecnología como un aliado, no como una amenaza. 2. Segundo bootcamp: ○ Metodología: Aprendizaje colaborativo ○ Contenido: Lineamientos clave de seguridad , tipos y formas de uso de la IAG, y entrenamiento en prompts específicos para los agentes GEMs en tareas de RR.HH. ○ Objetivo : Asegurar un uso efectivo, ético y alineado con los objetivos organizacionales, abordando preocupaciones sobre la privacidad de datos 3. Tercer bootcamp: ○ Aprendizaje Trabajo aplicativo ○ Contenido: Se buscará resolver y agilizar una de las partes más operativas identificadas durante los bootcamps, mediante la aplicación de los Gem´s ○ Objetivo : Aplicar el conocimiento obtenido en uno de los procesos claves identificados 45 6.2.2.4 Evaluación de Resultados La evaluación se realizará mediante una combinación de Indicadores Clave de Desempeño (KPIs) mensuales y una evaluación de percepción trimestral. Tabla 11 Eficiencia Operativa (Efecto) Calidad de la Contratación (Impacto) Eficiencia Operativa Tiempo de preselección Cierre de de CVs: Reducir de 72h a cada mes 10h Cantidad de llamadas Cierre de calificadas: Incrementar cada mes en un 30% Cierre de Tiempo total de llamadas cada mes a candidatos: Reducir de Medir el efecto de la automatización en el cribado Medir el impacto en la calidad del pipeline de candidatos (reducción de rotación a largo plazo) Medir el efecto en la agilidad del contacto. (Efecto) 48h a 24h Adopción y Encuesta de Chávez Cada Evaluar el impacto de la Cultura Hernández (2024): trimestre capacitación y la estrategia Evalúa ( Impacto ) la Interrelación en la disposición, comodidad con el ser humano, y percepción del equipo Adopción y Uso eficiente (impacto cultural y de de la IAG adopción) Fuente: Elaboración propia GRÁFICO N°5. 46 Fuente: Elaboración propia Bibliografía ● Alicia-Concytec. (2023). Factores que inciden en la intención de rotación del personal operativo en una empresa de restauración colectiva en Cusco. Repositorio Nacional Digital ALICIA. https://alicia.concytec.gob.pe/vufind/Record/UNSA_8e67cdfc27317c5c7ba561c58a2a 797b 47 ● Altchek, A. (2025). Walmart’s chief people officer uses AI to identify job candidates and train staff. Business Insider. https://www.aol.com/articles/walmarts- chiefpeopleofficer-uses-095901747.html ● Arbaiza, L. (2024, mayo 20). La revolución de la Inteligencia Artificial en los Recursos Humanos: una síntesis de desafíos y oportunidades. Gestión. https://gestion.pe/blog/conexion-esan/2024/05/la-revolucion-de- lainteligenciaartificial-en-los-recursos-humanos-una-sintesis-de- desafiosyoportunidades.html?ref=gesr ● BBVA Research. (2025, marzo). Situación Petróleo y Gas Argentina – Marzo 2025. [Informe de análisis económico y energético global]. ● Bousquette, I. (2025, mayo 12). Why Moderna merged its tech and HR departments. Wall Street Journal. https://www.wsj.com/articles/why-moderna-merged-its- techandhr-departments-95318c2a ● Briones-Pincay, C., Segura-Ramos, I., Rivera-Guerrero, A., & Reigosa-Lara, A., (2025). El impacto de la inteligencia artificial en la gestión del talento humano: oportunidades, desafíos y transformación organizacional. 593 Digital Publisher CEIT, 10(4), 139-156, https://doi.org/10.33386/593dp.2025.4.3228 ● Ccreativa. (2024, enero 16). El 65 % de los especialistas en recursos humanos utiliza IA para armar los avisos de búsquedas. Consultora Creativa. https://ccreativa.com.pe/2024/01/16/el-65-de-los-especialistas-en- recursoshumanosutiliza-ia-para-armar-los-avisos-de-busquedas ● Chávez Betancourt. PhD, D. C. R. X., Estrada Hernández.PhD, D. C. J. A., & Guerra Herrera, M. K. S. (2024). Desafíos de la inteligencia artificial en la Gestión del Talento Humano . GADE: Revista Científica, 4(3), 190-206. Recuperado a partir de https://revista.redgade.com/index.php/Gade/article/view/464 ● Chiavenato, I. (2011). Administración de recursos humanos: El capital humano de las organizaciones (9.ª ed.). McGraw-Hill/Interamericana Editores. ● Department of Energy. (2019). El petróleo y el gas natural de EE. UU.: son esenciales para cubrir las necesidades de los estadounidenses. [Informe de la agencia gubernamental sobre la importancia de los hidrocarburos]. ● Fairness and Bias in Algorithmic Hiring; Human-Centric Multimodal Machine Learning. (2023). arXiv preprint. https://arxiv.org/abs/2309.13933 ● Gestión. (2025, enero 5). Crece uso de IA en el Perú: el 57 % la emplea en sus tareas laborales diarias. Diario Gestión. https://gestion.pe/tecnologia/crece-uso-de-ia- enelperu-el-57-la-emplea-en-sus-tareas-laborales-diarias-noticia ● Hernández-Sampieri, R., & Mendoza, C.P. (2018). Metodología de la Investigación: Las rutas cuantitativa, cualitativa y mixta (6.a ed., Cap3, pp 54-59). McGraw-Hill. ● HireVue. (2025). Case study: How AI-mediated virtual interviewing helped screen 250,000 candidates. TTS Talent. https://www.tts-talent.com/blog/case-study- howaimediated-virtual-interviewing-helped-screen-250-000-candidates/ ● Infobae. (2025, agosto 18). Al 45 % de empresas en el Perú les interesa más sus costos y automatización que la experiencia del trabajador, según Buk. Infobae Perú. https://www.infobae.com/peru/2025/08/18/al-45-de-empresas-en-el-peru- lesinteresamas-sus-costos-y-automatizacion-que-la-experiencia-del-trabajador-segun- buk http://www.aol.com/articles/walmarts- http://www.wsj.com/articles/why-moderna-merged-its- http://www.tts-talent.com/blog/case-study- http://www.infobae.com/peru/2025/08/18/al-45-de-empresas-en-el-peru- 48 ● Inspenet. (2024, noviembre 15). Influencia del Petróleo y el Gas en la Economía Global. [Artículo de análisis económico]. ● Leoforce. (2025). Case studies: Abano Healthcare Group – AI in recruitment. Leoforce. https://leoforce.com/case-studies/ ● Maghsoudi, A., Mozafari, M., & Ghasemaghaei, M. (2023). Mapping the landscape of AI-driven human resource management: A social network analysis of research collaboration. https://doi.org/10.48550/arXiv.2308.09798 ● Maghsoudi, A., Mozafari, M., & Ghasemaghaei, M. (2024). Mapping the landscape of AI-driven human resource management: A social network analysis of research collaboration. ● Nadal, E., Picazo, C., Gamboa, J. P., & Aguilar, M. C. (2023). La digitalización en la gestión de recursos humanos: una aproximación al reclutamiento y selección de personal. En J. Orejuela & J. Vesga Rodríguez (Eds.), Compromiso organizacional y teletrabajo: comprensiones y complejidades actuales del mundo del trabajo (pp. 903– 939). Universidad Católica de Colombia. ● Pacelli, A. (2025, julio 1). AI hiring tools outperform humans on fairness metrics, study shows. HRReview. https://hrreview.co.uk/hr-news/recruitment/ai- hiringtoolsoutperform-humans-on-fairness-metrics-study-shows/382648 ● Perú Energía. (2023, marzo 20). “El sector petrolero en el Perú sigue siendo una industria importante para la economía del país, aunque ha enfrentado desafíos en términos de producción de petróleo”. [Entrevista/Artículo de opinión]. ● Repositorio Latinoamericano. (2023). Implementación del control de rotación del personal operario del área de producción de las empresas Oro Gas Perú S.A.C. 20222025. Repositorios Latinoamericanos. https://repositorioslatinoamericanos.uchile.cl/handle/2250/6403247 ● Rodríguez León, C. A., Poveda Suárez, D. A., & Rodríguez Barrera, J. P. (2024). Impacto de la inteligencia artificial en la gestión del talento humano. Criterios. Revista Multidisciplinaria de Investigación, 1(14), 91-107. ● Sadeghi, S. (2024). Employee well-being in the age of AI: Perceptions, concerns, behaviors, and outcomes. ● Shaikh, I., Alamer, A., & Abdul Rahman, M. (2023). In what ways are HR analytics and artificial intelligence transforming the healthcare sector? Human Resource Development Quarterly, 34(4), 559–576. ● Sociedad Peruana de Hidrocarburos (SPH). (2023). Impacto del Sector Hidrocarburos en la Economía del Perú. [Informe sectorial]. ● Sociedad Peruana de Hidrocarburos (SPH). (2025, septiembre 19). Tema: "Situación actual del sector hidrocarburos y la necesidad de impulsar la exploración". ● T21. (2024, mayo 22). IA y personalización: el futuro del reclutamiento según el Talent Trends Report 2024. T21 Perú. https://t21.pe/ia- personalizacionprocesosreclutamiento ● Tejada Estrada, G. C., Flores Coronado, M. L., Bedon Soria, Y. T., Chacón Jiménez, S., Torres Cristobal, J. E., Sánchez Camargo, M. R., Velasco Taipe, M. A., Aparicio, S. S. P., & Bazán Briceño, J. L. (2024). Inteligencia artificial en la gestión de los recursos humanos. Revista de Climatología. Edición Especial Ciencias Sociales, 24, 2082- 2092. 49 ANEXO 1. Entrevistas entrevista con Asistente de Talento Huano: https://drive.google.com/file/d/1GpJGn4s0VhJfTr9FWfCy9purV3TOj9Iq/view?usp=s haring 2. Entrevista con el coordinador senior de Talento Humano https://drive.google.com/file/d/1QUrYKeuyNFbdztPBWX2gMIDWFpGUM1gB/vie w?usp=sharing 3. Transcripción entrevista: Análisis de las entrevistas Cuadro de Análisis DIMENSIÓN ENTREVISTADO 1 ENTREVISTADO 2 Dimensión 1: ¿cómo ha impactado la IAG en tu labor diaria ? ¿Te sientes cómodo interactuando con esta? En mi caso, no he utilizado de manera frecuente la inteligencia artificial generativa. He tenido más contacto con herramientas de inteligencia artificial tradicional, especialmente con ChatGPT, que usamos ocasionalmente en el área de Talento Humano para redactar comunicados internos o documentos. Aunque no la usó de forma habitual, considero que la IAG puede ser de gran ayuda para optimizar estas tareas y mejorar la eficiencia en la comunicación corporativa. La Inteligencia Artificial Generativa ha tenido un impacto positivo en mi trabajo diario, ya que ha permitido simplificar varios procesos administrativos. Actividades que antes podía tomar horas o varios minutos, como la elaboración de documentos o la búsqueda de información específica, ahora pueden resolverse en cuestión de pocos minutos, simplemente formulando una consulta. En general, me siento cómodo interactuando con esta tecnología, pues facilita el desarrollo de mis funciones y mejora la eficiencia del área. https://drive.google.com/file/d/1GpJGn4s0VhJfTr9FWfCy9purV3TOj9Iq/view?usp=sharing https://drive.google.com/file/d/1GpJGn4s0VhJfTr9FWfCy9purV3TOj9Iq/view?usp=sharing https://drive.google.com/file/d/1GpJGn4s0VhJfTr9FWfCy9purV3TOj9Iq/view?usp=sharing https://drive.google.com/file/d/1QUrYKeuyNFbdztPBWX2gMIDWFpGUM1gB/view?usp=sharing https://drive.google.com/file/d/1QUrYKeuyNFbdztPBWX2gMIDWFpGUM1gB/view?usp=sharing https://drive.google.com/file/d/1QUrYKeuyNFbdztPBWX2gMIDWFpGUM1gB/view?usp=sharing 50 Dimensión 2: ¿la empresa ha adoptado la IAG en sus procesos ? Cual ha sido su estrategia para la implementación Actualmente, la empresa no ha implementado formalmente la inteligencia artificial generativa en sus procesos. Sin embargo, se reconoce su potencial y existe la expectativa de incorporar en proyectos futuros. Considero que será necesario incluir progresivamente en las operaciones del grupo, especialmente en áreas como comunicación interna, marketing y gestión documental. En PICOR, la adopción de la Inteligencia Artificial se ha dado principalmente de manera individual, por iniciativa de los colaboradores. Aún no se cuenta con una implementación institucional formal, aunque actualmente se está evaluando la posibilidad de adquirir un paquete más completo que permita integrar la IAG de manera estructurada en las distintas áreas. En este sentido, la estrategia de implementación se encuentra en fase de desarrollo y planificación. Dimensión 3:¿cómo ha impactado la IAG en los productos ofrecidos? Por el momento, la IAG no se utiliza activamente en la empresa, por lo que su impacto en los servicios ofrecidos es prácticamente nulo. Se emplean más herramientas de inteligencia artificial tradicional, principalmente para la redacción de textos, elaboración de comunicados o apoyo en documentos. Aún no se ha explorado su uso en generación de videos, imágenes u otros contenidos creativos. En cuanto a los servicios de PICOR, la Inteligencia Artificial Generativa ha tenido un impacto significativo, especialmente en los procesos de reconocimiento y evaluación del personal operativo. Anteriormente, los resultados y reconocimientos tardaban entre una o dos semanas en procesarse; sin embargo, con el uso de herramientas de IA, este tiempo se ha reducido a sólo tres o cuatro días, optimizando los procesos y mejorando la oportunidad en la gestión del talento. 51 Dimensión 4: ¿La empresa ha capacitado a los trabajadores para la adopción de la IAG? No se ha realizado hasta el momento ninguna capacitación formal sobre el uso de la inteligencia artificial generativa. Considero que esto es una necesidad urgente, ya que solo un pequeño porcentaje —alrededor del 30% o menos— de los colaboradores conoce cómo aprovechar adecuadamente estas herramientas. La mayoría las utiliza de manera básica, sin explotar su potencial completo. Hasta el momento, la adopción de la Inteligencia Artificial Generativa ha sido más bien espontánea y no ha contado con un proceso formal de capacitación. Sin embargo, la empresa tiene previsto implementar en el futuro programas de formación que permitan a los colaboradores adquirir los conocimientos necesarios para el uso adecuado y eficiente de estas herramientas. 52 Dimensión 5: ¿Qué tan relevante consideran los líderes de su empresa la adopción de la IAG? Actualmente, los líderes del Grupo PICOR aún no han priorizado la implementación de la IAG, especialmente en áreas como Recursos Humanos, donde predomina un enfoque más tradicional. Sin embargo, se percibe un creciente interés, particularmente en el área de Marketing, que ya se está preparando para incorporar estas herramientas. Se proyecta que para el año 2026 la empresa impulse de manera más decidida el uso de la inteligencia artificial generativa en sus procesos de comunicación y creación de contenido. La alta dirección de PICOR considera que la adopción de la Inteligencia Artificial es de gran relevancia, ya que contribuye de manera significativa a optimizar los tiempos tanto en el ámbito administrativo como en el gerencial. Por ello, la gerencia ha mostrado un alto nivel de interés y atención hacia la integración de estas tecnologías en los procesos internos. 53 Dimensión 6: ¿La IAG ha reemplazado algunas tareas hechas por humanos? Describe cuáles. respondiendo estas preguntas Sí, en términos generales, la inteligencia artificial —tanto la tradicional como la generativa— ha comenzado a reemplazar ciertas tareas humanas. En áreas administrativas, por ejemplo, la IA puede realizar cálculos de planillas de manera automatizada si se le proporcionan los datos necesarios, reduciendo la necesidad de personal dedicado a esa labor. En el futuro, la inteligencia artificial generativa podría reemplazar parcialmente puestos relacionados con comunicaciones y marketing, ya que puede producir contenidos visuales y escritos con gran eficiencia. Yo creo que si la IA cada vez es más fuerte, más puestos se verán vulnerables. No solo hablamos de la IA generativa, sino también de la tradicional, que ya puede realizar cálculos. Por ejemplo, en el área de planillas, si le brindas todos los datos a una IA, puede hacer los cálculos sin necesidad de un planillero; solo se requeriría una persona que ingrese la información. La IA puede calcular todo en base a las leyes y regímenes nacionales. Lo mismo sucede con los puestos relacionados con comunicaciones y marca. 4. Revisión del asesor 54