Implementación de herramientas IA en el ámbito de la selección pública

👂 Versión PODCAST elaborada con IA a partir del texto de esta entrada. (Gemini Notebook) 👂

La selección de personal en el sector público sufre desde hace décadas procesos eternos, cargas burocráticas ingentes, pruebas memorísticas desconectadas del puesto de trabajo y órganos de selección desbordados.

Cuando se habla de introducir Inteligencia Artificial (IA) en este ámbito, es habitual que surjan dos posturas extremas: el escepticismo temeroso que atisba la deshumanización del acceso al empleo público o el tecnooptimismo ingenuo que pretende delegar la decisión de nombrar funcionarios en un algoritmo.

Como siempre, la virtud se encuentra en el centro. Las herramientas de IA son eso: herramientas. Pueden facilitar el trabajo y ser una excelente ayuda, pero plantear la IA como sustituta de un órgano de selección no es viable ni técnica ni jurídicamente. La selección de personal, por mucho que se quiera simplificar y reducir a una prueba de conocimientos, es un reto técnicamente muy complejo y altamente conflictivo.

La alternativa intermedia es adoptar la tecnología como lo que es: un asistente, un copiloto técnico que facilita la gestión de información y una herramienta de apoyo capaz de asumir la carga repetitiva y analítica, liberando tiempo y criterio humano para lo que verdaderamente importa: evaluar el talento con imparcialidad, rigor y garantías.

El principio infranqueable: La «reserva de humanidad»

Conviene dejar claro el marco conceptual y normativo desde el primer minuto.El Reglamento Europeo de Inteligencia Artificial (AI Act) clasifica expresamente los sistemas de IA destinados a la selección de personal y la evaluación de candidatos como sistemas de alto riesgo.

Esto exige que cualquier solución implantada en la Administración cumpla con estrictos estándares de transparencia, explicabilidad, trazabilidad y ausencia de sesgos. En el empleo público, el principio constitucional de acceso en condiciones de igualdad, mérito y capacidad exige mantener una reserva de humanidad (human-in-the-loop):

• La IA propone, analiza y genera borradores.

• El órgano de selección o la unidad administrativa decide, valida y firma.

La IA a lo largo del ciclo de vida del proceso selectivo.

El verdadero impacto de la IA se centra en su poder para optimizar muchas de las fases del proceso, desde el diseño hasta la incorporación al puesto. El resultado de su correcta utilización debe llevarnos a una mejora en los tiempos de ejecución y a una mayor calidad en el resultado.

A continuación, se analizan algunas aplicaciones de la IA —en su versión 2026— en 10 fases diferentes y su aporte de valor:

Fase del proceso	Aplicación práctica de la IA	Aporte de valor y garantías
1. Diseño de bases y perfiles	Asistencia en la redacción de bases generales y específicas. Análisis comparativo con catálogos competenciales y perfiles de puesto.	Previene contradicciones normativas, elimina lenguaje ambiguo y garantiza la neutralidad de requisitos.
2. Difusión y atención al candidato	Asistentes virtuales (chatbots 24/7) capacitados con la convocatoria y temarios. Lectura fácil asistida.	Resuelve dudas frecuentes en tiempo real, democratiza el acceso a la información y descongestiona los registros.
3. Revisión de solicitudes y listas	Comprobación automatizada de requisitos formales, pago de tasas y verificación documental integrada con intermediación de datos.	Agiliza drásticamente la publicación de las listas provisionales y definitivas de admitidos y excluidos.
4. Generación de actas de Tribunal	Grabación o transcripción de las reuniones de un Tribunal para realizar una propuesta de acta de la sesión.	Libera a la secretaría de la toma de notas y permite validar el acta en la propia sesión.
5. Diseño de pruebas	Generación de bancos de preguntas calibradas y ayuda en la elaboración de casos prácticos con rúbricas de evaluación detalladas.	Esencial para diseñar pruebas competenciales complejas como la Entrevista Conductual Estructurada (ECE) o la Defensa de Proyectos.
6. Corrección de ejercicios	Anonimización digital avanzada de exámenes escritos y evaluación asistida sobre matriz de criterios predefinidos.	Homogeneiza criterios de calificación, detecta discrepancias en la corrección y previene el plagio.
7. Generación de informes personalizados	Elaboración de preinformes que motivan las puntuaciones asignadas por el órgano de selección con base en las respuestas y criterios aprobados.	Agiliza dar una respuesta de calidad ante la lícita exigencia de motivación de las valoraciones.
8. Valoración de méritos (Concurso)	Extracción inteligente de datos (OCR + Procesamiento de Lenguaje Natural) de certificados de experiencia y cursos para prebaremación.	Elimina el principal cuello de botella de la fase de concurso, proponiendo un borrador de baremo al Tribunal.
9. Recursos de alzada y alegaciones	Agrupamiento semántico (clustering) de impugnaciones masivas y redacción de borradores de motivación jurídica.	Garantiza la unidad de criterio en las respuestas y cumple con el deber constitucional de motivación de los actos.
10. Plan de acogida (onboarding)	Diseño de itinerarios de acogida y formación inicial personalizados según las carencias competenciales detectadas.	Reduce la curva de aprendizaje del nuevo empleado público y facilita una integración efectiva desde el primer día.

Pruebas competenciales con rúbricas objetivas

En entradas anteriores he defendido la necesidad de superar los exámenes memorísticos e implantar pruebas prácticas, así como la Defensa de Proyectos o la Entrevista Conductual Estructurada (ECE) para determinados puestos. El reto de estas pruebas siempre ha sido reducir al máximo los posibles sesgos que afectan a la evaluación, así como definir los elementos a evaluar y los anclajes que permitan justificar una calificación.

Aquí la IA actúa diseñando estas rúbricas de graduación cualitativa: el sistema analiza la descripción del puesto y sugiere al Tribunal una escala de conductas observables (insuficiente, adecuado, excelente) con repreguntas estandarizadas. Durante o tras la prueba, el Tribunal introduce sus observaciones y la IA ayuda a sintetizar y comprobar la coherencia del dictamen final respecto a la rúbrica establecida.

Automatizar el "infierno" de la baremación de méritos

La fase de concurso en oposiciones masivas suele paralizar los procesos durante meses. Tribunales enteros pierden cientos de horas sumando días de servicios prestados o cotejando si un curso de 20 horas cumple las bases.

Mediante modelos de PLN (Procesamiento de Lenguaje Natural), la IA puede escanear la documentación aportada, cotejarla con el catálogo de títulos o la vida laboral y presentar al Tribunal una propuesta de prebaremo. El Tribunal no dedica su tiempo a sumar decimales, sino a auditar los casos dudosos o las discrepancias señaladas por el propio sistema.

Gestión de la litigiosidad.

Cuando un proceso selectivo masivo genera contestación, los tribunales o las unidades de recursos humanos colapsan al tener que responder a cientos de alegaciones o recursos de alzada prácticamente idénticos.

La IA permite procesar el conjunto de recursos recibidos, organizarlos por familias temáticas (ej. impugnación de la pregunta 23, desacuerdo en la valoración del título X) y redactar borradores de respuesta basados en los criterios fijados por el Tribunal. Esto no solo ahorra semanas de trabajo administrativo, sino que evita incoherencias jurídicas en las contestaciones dictadas para un mismo proceso.

Requisitos para una implantación con garantías.

Para que el uso de la IA en la selección pública no termine en los tribunales contencioso-administrativos, es necesario asumir que la IA no puede implantarse «a la carta» por cada ayuntamiento u organismo sin recursos. Requiere ser gestionada desde estructuras profesionalizadas —como las Agencias Públicas de Evaluación y Selección que propongo en este blog— que cuenten con equipos multidisciplinares (juristas, psicómetras, tecnólogos):

• Auditoría continua de algoritmos: Los modelos deben someterse a pruebas de sesgo (género, edad, procedencia) antes de su puesta en producción y auditarse periódicamente.

• Trazabilidad en el expediente administrativo: Todo informe, borrador o propuesta generado por un sistema de IA debe constar expresamente en el expediente, identificando el modelo utilizado y la posterior validación y firma de la autoridad humana responsable.

• Garantías de privacidad y entornos seguros corporativos: Uso de herramientas confiables donde se garantice la protección de datos personales e impida que la información sirva para el aprendizaje del modelo público. Esto requiere:

• Soberanía de los datos: Operar en entornos corporativos cerrados donde la información no se utiliza para entrenar modelos públicos externos.
• Control de accesos: Restringir qué usuarios y roles pueden interactuar con los datos sensibles de la organización.
• Políticas internas: Definir guías claras sobre qué información está permitido procesar mediante herramientas de IA y cuál está prohibida.

 

Ejemplo de Normativa de los sistemas IAG de acceso público (Ayuntamiento de Vitoria-Gasteiz).

 

La aplicación de la Inteligencia Artificial no puede tener como consecuencia deshumanizar el acceso al empleo público, sino devolver la humanidad y el sentido técnico a los órganos de selección. Al liberar a los equipos de RR. HH. y a los tribunales de la artesanía burocrática y de las tareas mecánicas de bajo valor, la IA permite que los evaluadores se concentren en lo verdaderamente decisivo: juzgar con ecuanimidad las competencias de quienes van a dirigir y prestar los servicios públicos del mañana. Esta liberación debería permitir mejorar el diseño de los procesos de selección, incorporar más y mejores herramientas de evaluación y, en definitiva, acercarnos más a los principios de igualdad, mérito y capacidad.

Gracias por su atención y por sus comentarios.

Resumen gráfico:

👂 Versión PODCAST elaborada con IA a partir del texto de esta entrada. (Gemini Notebook) 👂