Agente de IA para RRHH: caso Delaviuda y cómo lo integraríamos en Megasoluciones
Análisis editorial del caso Delaviuda (Softeng): agente 24×7, RAG documental y tutorización de nómina. No es un proyecto Megasoluciones; explicamos cómo lo desplegaríamos con Odoo y consultoría.
Carlos Durán, CIO de Delaviuda, resume en pocos minutos lo que muchas empresas tardan meses en aprender: un agente de IA en Recursos Humanos solo funciona si sabe qué documentos puede leer y qué no debe tocar. Convenio, estatuto, calendarios por planta, conceptos de nómina explicados sin abrir datos personales — y disponible cuando el empleado pregunta un domingo. Megasoluciones no participó en este proyecto; lo analizamos porque encaja con despliegues que hacemos en pymes con Odoo, automatización y agentes con contexto real. Más contexto en nuestros recursos sobre IA aplicada a empresas.
El contexto: Grupo Delaviuda y el reto en RRHH
Delaviuda es un grupo español del sector alimentación, conocido por marcas como La Viuda y El Almendro. Su reto, según relata su CIO en el vídeo de Softeng, fue ganar eficiencia en distintas unidades de negocio mediante inteligencia artificial — empezando por un área con volumen alto de consultas repetitivas: Recursos Humanos.
Los empleados preguntaban una y otra vez por convenio, calendarios, plazos de baja o significado de conceptos en la nómina. El equipo de RRHH absorbía tiempo que podía dedicarse a casos complejos. La apuesta: un agente de IA con estructura adecuada para acceder a un fondo documental interno y externo, con comunicación sencilla y disponibilidad 24×7.
Qué construyeron (según el caso publicado por Softeng)
El proyecto no fue «instalar un chat». Fue diseñar qué conocimiento exponer y cómo entregarlo. Delaviuda y Softeng distinguieron dos capas de datos:
Documentación externa
- Convenio colectivo aplicable
- Estatuto de los Trabajadores
- Normativa laboral de referencia
Documentación interna
- Calendarios laborales por ubicación y centro
- Convenios o acuerdos especiales por planta
- Políticas y procedimientos de la compañía
Un añadido clave del diseño — identificado en el proceso con Softeng — fue la tutorización de conceptos de nómina: responder preguntas del tipo «¿qué significa complemento en mi nómina?» explicando el concepto de forma general, sin acceder inicialmente a la nómina individual de cada persona. Eso reduce riesgo y desvía consultas masivas sin abrir datos sensibles innecesariamente.
El asistente, con tono cercano, se presenta en el vídeo como «La Ja». La plataforma elegida por Delaviuda fue el ecosistema Microsoft, en línea con la confianza y el stack que ya tenía el grupo.
Por qué es un caso de éxito (más allá del hype)
Lo que hace interesante este despliegue no es la marca del modelo, sino el encaje operativo:
- Momento real de la duda: un empleado consulta un sábado o domingo — tras una incidencia familiar o un accidente — cuántos días le corresponden. RRHH no está; el agente sí.
- Curación antes que chat: el proyecto se centró en definir el conjunto de documentos publicados al servicio, no en lanzar un bot vacío.
- Separación de capas: normativa pública + políticas internas + explicación de conceptos, sin mezclar todo en un prompt genérico.
- Experiencia de empleado: lenguaje amigable y acceso continuo, no un formulario frío.
Carlos Durán describe a Softeng como el «faro» del proyecto en un entorno donde cada semana cambian las reglas del juego en IA — una metáfora que reconocemos: sin guía técnica y de negocio, muchas empresas navegan a ciegas.
Lo que el vídeo no detalla (y conviene planificar)
En un análisis para dirección o IT, faltan piezas que en Megasoluciones exigiríamos antes de escalar:
- Métricas: % de consultas resueltas sin escalado humano, tiempo medio de respuesta, satisfacción del empleado.
- RGPD y auditoría: retención de conversaciones, base legal, derecho de acceso y borrado.
- Escalado humano: cuándo el agente debe decir «no lo sé» y abrir ticket a RRHH.
- Integración con nómina y ERP: hasta dónde puede automatizar y dónde solo informar.
- Actualización documental: quién versiona convenios y calendarios cuando cambian.
Ningún agente de RRHH debería ir a producción sin estas respuestas — independientemente del proveedor o de la nube.
Cómo lo integraríamos en Megasoluciones
Si un cliente nos pidiera un escenario similar, no copiaríamos stack ni proveedor: replicaríamos la lógica de negocio con nuestra metodología. El punto de partida sería la primera fase de consultoría (auditoría BPMN, matriz de oportunidades, riesgos y roadmap).
| Fase Megasoluciones | Aplicado a un agente de RRHH |
|---|---|
| 1. Auditoría BPMN | Mapear flujo real: empleado pregunta → intranet, email, teléfono o RRHH |
| 2. Matriz de oportunidades | Qué consultas son RAG documental, cuáles ticket, cuáles dato sensible prohibido |
| 3. Riesgos y cumplimiento | RGPD, nómina individual, PRL, bajas; política de «no respondo» |
| 4. Roadmap técnico | Piloto en un centro → validación legal/RRHH → despliegue multi-sede |
Stack que propondríamos (sin imponer Microsoft)
Delaviuda eligió Microsoft con Softeng. En Megasoluciones el stack depende del cliente:
- RAG sobre documentos versionados (SharePoint, Drive, repositorio en VPS europeo o intranet).
- Agente con herramientas: buscar política, consultar calendario, abrir ticket, escalar a persona.
- Capa híbrida: lenguaje natural en la nube donde convenga; reglas deterministas para plazos y días donde la IA no debe improvisar. Misma línea que en estrategia híbrida de IA.
- Odoo si ya está en producción: ausencias, partes de horas, bandeja info@, FAQ sincronizada con el agente.
- Modelos especializados donde la tarea es repetible — ver Megasoluciones Modelo.
Checklist antes de un piloto similar
- Lista cerrada y firmada de documentos que el agente puede citar.
- Política explícita: no responder con datos personales de nómina salvo integración autorizada.
- Flujo de escalado a RRHH humano con SLA distinto del 24×7 si el equipo no está.
- Revisión legal de convenio, PRL y procedimientos de baja.
- KPI acordado: consultas resueltas sin intervención, no solo «tenemos chatbot».
Delaviuda vs. un proyecto Megasoluciones: misma lógica, distinto barco
La metáfora del vídeo encaja: Softeng fue el faro; Microsoft, el barco que Delaviuda ya conocía. Para otra empresa el barco puede ser Odoo + automatizaciones + agente en infraestructura europea. Lo que no cambia: curar datos, acotar riesgos, medir y conectar el agente al proceso real — no dejarlo como experimento aislado.
En Megasoluciones no vendemos licencias de un ecosistema concreto. Integramos agentes de IA donde el ROI es medible: menos tickets repetitivos, menos tiempo de RRHH en FAQ, mejor experiencia del empleado.
Conclusión
El caso Delaviuda — documentado por Softeng — demuestra que un agente de RRHH útil nace del catálogo de conocimiento gobernado, no del modelo de moda. La disponibilidad 24×7 y la cercanía de «La Ja» son la capa visible; debajo hay meses de decisión sobre qué exponer y qué proteger.
Si tu organización tiene el mismo patrón — consultas repetitivas, varios centros, convenios distintos, dudas de nómina los fines de semana — podemos auditar el caso, proponer un piloto acotado e integrarlo con tus sistemas. Sin copiar Delaviuda: aprendiendo de lo que ya funciona en el mercado.
Análisis editorial de Megasoluciones basado en la entrevista a Carlos Durán (CIO, Delaviuda) publicada por Softeng. Proyecto original: Softeng / Grupo Delaviuda. Vídeo fuente: YouTube.
Agentes de IA: casos de uso · Primera fase de consultoría · Integrar datos en una IA · Servicios de IA · Consulta sin compromiso