Gestión algorítmica de los recursos humanos y bienestar laboral: evidencia actual de una revisión sistemática de la literatura
DOI:
https://doi.org/10.5281/Palabras clave:
inteligencia artificial, gestión algorítmica, talento humano, bienestar laboral, justicia algorítmicaResumen
El presente artículo analiza la relación entre la inteligencia artificial, la gestión algorítmica del talento humano y el bienestar laboral, a partir de una revisión sistemática de la literatura científica publicada entre 2020 y 2026. El estudio responde a la necesidad de comprender los efectos que los sistemas automatizados de toma de decisiones generan sobre la experiencia, la salud psicológica y la percepción de justicia de los trabajadores. La metodología siguió las directrices PRISMA 2020 y consideró artículos revisados por pares recuperados de Scopus, Web of Science, ScienceDirect y SpringerLink. Tras el proceso de identificación, cribado y elegibilidad, se incluyeron 82 estudios para el análisis temático y descriptivo. Los resultados evidencian que la inteligencia artificial contribuye a optimizar procesos de reclutamiento, selección, evaluación del desempeño y analítica de recursos humanos; sin embargo, también genera riesgos asociados a la vigilancia digital, la opacidad algorítmica, la ansiedad tecnológica y la pérdida de autonomía laboral. Se concluye que la gestión algorítmica puede favorecer el bienestar laboral cuando se implementa bajo principios de transparencia, supervisión humana, justicia algorítmica y participación de los trabajadores. El estudio propone fortalecer modelos de gobernanza algorítmica centrados en las personas y ampliar la investigación empírica en contextos latinoamericanos.
Descargas
Referencias
Aspiazu Sánchez, L. G., & EsquivelGarcía, R. (2025). Gestión de talento humano y productividad en funcionarios del Gobierno Autónomo Descentralizado, Mocache, Ecuador. Gestio et Productio. Revista Electrónica de Ciencias Gerenciales, 7(12), 21–36. https://doi.org/10.35381/gep.v7i12.200
Bakker, A. B., & Demerouti, E. (2017). Job demandsresources theory: Taking stock and looking forward. Journal of Occupational Health Psychology, 22(3), 273–285. https://doi.org/10.1037/ocp0000056
Budhwar, P., Malik, A., De Silva, M. T. T., & Thevisuthan, P. (2022). Artificial intelligence – challenges and opportunities for international HRM: A review and research agenda. The International Journal of Human Resource Management, 33(6), 1065–1097. https://doi.org/10.1080/09585192.2022.2035161
European Parliament & Council of the European Union. (2024). Regulation (EU) 2024/1689 of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, L 2024/1689. http://data.europa.eu/eli/reg/2024/1689/oj
Kellogg, K. C., Valentine, M. A., & Christin, A. (2020). Algorithms at work: The new contested terrain of control. Academy of Management Annals, 14(1), 366–410. https://doi.org/10.5465/annals.2018.0174
Kim, S., Khoreva, V., & Vaiman, V. (2025). Strategic human resource management in the era of algorithmic technologies: Key insights and future research agenda. Human Resource Management, 64(3), 447–464. https://doi.org/10.1002/hrm.22268
Kinowska, H., & Sienkiewicz, Ł. J. (2023). Influence of algorithmic management practices on workplace wellbeing– evidence from European organisations. Information Technology & People, 36(8), 21–42. https://doi.org/10.1108/ITP0220220079
Köchling, A., & Wehner, M. C. (2020). Discriminated by an algorithm: A systematic review of discrimination and fairness by algorithmic decisionmaking in the context of HR recruitment and HR development. Business Research, 13(3), 795–848. https://doi.org/10.1007/s4068502000134w
Kordzadeh, N., & Ghasemaghaei, M. (2022). Algorithmic bias: Review, synthesis, and future research directions. European Journal of Information Systems, 31(3), 388–409. https://doi.org/10.1080/0960085X.2021.1927212
Meijerink, J., Bondarouk, T., & Lepak, D. P. (2021). Human resource management and algorithms: What role can HRM play in algorithmic management? Human Resource Management Review, 31(1), 100765. https://doi.org/10.1016/j.hrmr.2020.100765
Minbaeva, D. (2021). Disrupted HR? Human capital analytics: Why aren’t we there? Introduction to the Special Issue. Human Resource Management Journal, 31(1), 1–8. https://doi.org/10.1111/17488583.12318
Muñoz Sánchez, S. M., Vargas Mursulí, F. M., Miranda Lorenzo, Y. O., & Esquivel García, R. (2021). Evaluación de las competencias laborales para el cargo de secretaria en instituciones universitarias ecuatorianas. Revista Gestión de las Personas y Tecnología, 14(42), 23–38. https://doi.org/10.35588/gpt.v14i42.5281
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., MayoWilson, E., McDonald, S., ... Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71
ParentRocheleau, X., & Parker, S. K. (2022). Algorithms as work designers: How algorithmic management influences the design of jobs. Human Resource Management Review, 32(3), 100838. https://doi.org/10.1016/j.hrmr.2021.100838
Raghavan, M., Barocas, S., Kleinberg, J., & Levy, K. (2020). Mitigating bias in algorithmic hiring: Evaluating claims and practices. Proceedings of the 2020 Conference on Fairness, Accountability, and Transparency, 469–481. https://doi.org/10.1145/3351095.3372828
Sharma, S., Mittal, A., & Seema, S. (2026). Does leading through algorithmic management impact the workers’ wellbeing: A systematic literature review and research agenda. Leadership & Organization Development Journal, 47(2), 218–242. https://doi.org/10.1108/LODJ0620250424
Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039
Strohmeier, S. (2020). Digital human resource management: A conceptual clarification. German Journal of Human Resource Management, 34(3), 345–365. https://doi.org/10.1177/2397002220921131
Publicado
Declaración de disponibilidad de datos
Los conjuntos de datos utilizados y/o analizados durante el presente estudio, incluida la matriz de extracción de datos que identifica los 82 estudios incluidos, están disponibles a través del autor de correspondencia previa solicitud razonable.
Número
Sección
Licencia
Derechos de autor 2026 Joel Menezes Barreto Júnior, Jaime Eliecer Pérez Fernández, António Ramos Congo Mavambo, Duliet Hong León, Natalia Águeda Domingas Chivango (Author)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
