Durante meses se ha hablado de la de IA en HR como si el impacto fuera a venir en forma de despidos masivos.
Pero de momento la realidad es otra:
El resto no está recortando personas.
Está subiendo el listón.
Más decisiones.
Más rápido.
Con menos margen de error.
Y en ese nuevo contexto, People Analytics deja de ser un nice-to-have para convertirse en infraestructura crítica.
Aquí es donde, en las últimas semanas, Claude ha cambiado las reglas del juego.
Y especialmente su evolución más importante: Claude Code.
Qué es Claude (y por qué es diferencial para HR)
Claude no es “otro ChatGPT”.
Es un modelo diseñado desde el inicio para:
entender contexto complejo
analizar datos
ejecutar razonamiento matemático
generar código
y mostrarte ese código como un artifact reutilizable
Pero lo que ha disparado su adopción en las últimas semanas es Claude Code, y todavía más recientemente Claude Cowork.
Pero antes de profundizar en ello, si en tu empresa no hay nadie que esté hablando de ello o utilizándolo, algo debe cambiar.
Por eso, aprovecho antes de continuar con esta newsletter para presentarte Próximo, el programa de formación en IA para tu empresa.
Un programa transformacional con el que hacer el upskilling en IA necesario.
Con asesoramiento para crear una cultura de IA, gobernanza, politicas de uso y setup.
100% práctico con 3 niveles de conocimiento para formar a tu equipo desde lo más básico a la creación y orquestación de agentes de IA complejos.
Especializado por área (Marketing, HR, Finanzas, Ventas, Operaciones)
Con desarrollo continuo a través de workshops semanales con expertos en IA de las mejores empresas.
Soporte y acompañamiento a través de sus expertos resolviendo dudas para tu equipo.
El primer cohorte de empresas empieza en las próximas semanas.
Tu equipo necesita un upgrade en IA.
Y ahora sí, seguimos con la newsletter.
El problema histórico de People Analytics.
Claude viene a solventarlo.
La mayoría de equipos de People ya tienen datos.
Algunos incluso dashboards.
Lo que no tienen es:
autonomía para explorar
velocidad para responder
confianza del negocio
People Analytics se quedó en reporting.
Y reporting no mueve decisiones.
Claude —y especialmente Claude Code— ataca justo ese punto.
El límite de los dashboards (y por qué ya no bastan)
El People Analytics tradicional está diseñado para responder preguntas conocidas:
¿Rotación por departamento? → Dashboard.
¿Salario medio por rol? → Dashboard.
¿Time to hire? → Dashboard.
El problema es que las decisiones importantes no nacen de esas preguntas.
Las preguntas que realmente importan suelen ser incómodas, cruzadas y poco evidentes:
¿Por qué un segmento concreto se va… aunque diga estar satisfecho?
¿Qué tienen en común quienes se van voluntariamente frente a quienes se quedan 10 años?
¿Existe una combinación de factores que predice riesgo mejor que mirar cada variable por separado?
Estas preguntas no viven en un dashboard.
Requieren exploración, iteración y capacidad de conectar variables que nunca pensaste cruzar.
Ahí es donde Claude cambia de verdad cómo funciona People Analytics.
Vamos a ver 4 casos de uso:
Caso 1: el patrón que ningún dashboard muestra
Una scale-up europea detecta un problema: pierde Tech Leads clave.
Compensación competitiva. Engagement alto. Nada “salta” en los informes.
La directora de HR sube a Claude:
empleados activos
histórico de salidas (18 meses)
rol, seniority, tenure, salario, manager, promociones, performance, encuestas
Prompt clave:
Analyze retention patterns for employees with 2–4 years of tenure who left voluntarily. Compare them with similar employees who stayed. What structural patterns emerge?
Claude cruza variables… y aparece el patrón invisible:
Los Tech Leads que se fueron:
entraron como ICs en fase de hipercrecimiento
fueron promovidos muy rápido
cambiaron de manager al menos dos veces durante la transición a Lead
No era salario.
No era engagement.
Era inestabilidad estructural en un momento crítico.
Segundo prompt:
For remaining employees who fit this profile, calculate a risk score and rank by urgency.
Resultado:
una lista accionable, basada en patrones reales, no intuición.
Eso sí mueve decisiones.
Caso 2: responder una pregunta que tu HRIS no puede
Retail.
12.000 empleados.
Pregunta real del HR Director:
¿El crecimiento rápido de un store quema a los store managers?
Responder esto con herramientas clásicas:
semanas de Excel
cruces manuales
resultados poco fiables
Prompt:
Calculate quarterly headcount growth by store and correlate it with store manager tenure and turnover. Identify thresholds that predict departure.
Claude hace el análisis en minutos.
Patrón claro:
stores que crecen >40% en un trimestre
tienen 3,2x más probabilidad de perder al manager en 6 meses
Pero el insight clave viene después:
👉 ese riesgo desaparece si el manager lleva más de 3 años en la empresa.
Conclusión:
el problema no es crecer rápido.
Es poner managers nuevos en contextos de hipercrecimiento.
Eso cambia por completo la estrategia de talent planning.
Caso 3: simular decisiones antes de cometer errores
SaaS B2B.
Debate interno: pasar de fully remote a híbrido.
Miedo en People.
Presión desde Leadership.
Cero datos reales.
Prompt:
Model attrition risk under three scenarios: mandatory hybrid, optional hybrid, role-based hybrid. Estimate replacement cost for high-risk segments.
Claude simula escenarios usando:
localización real
distancia a oficina
tenure
rol
coste de reemplazo
Resultado inesperado:
el mayor riesgo no estaba en seniors
sino en ICs con 1–2 años y >45 min de commute
coste de reemplazo: 2,7x salario anual
Decisión final:
product roles: remote
customer-facing: híbrido progresivo
reubicación subsidiada
No intuición.
Simulación previa a la decisión.
Caso 4: diseñar el sistema antes de que falle
Un CHRO con 25.000 empleados hace la pregunta correcta:
What people data are we NOT collecting that would significantly improve our decisions?
Claude devuelve gaps estructurales, priorizados por impacto:
movilidad interna
frecuencia de 1:1
time-to-productivity
densidad de red interna
autoevaluación de skills
Y no se queda en “deberías medir esto”.
Explica:
qué decisión habilita cada dato
cómo implementarlo
sin añadir carga operativa
Esto no es análisis reactivo.
Es arquitectura de People Analytics.
y si quieres seguir aprendiendo sobre People Analytics, tengo que recomendarte la newsletter de mi amigo Gabriel Pietrafesa, de O a 1 en People Analytics para aprender a tu ritmo y sin necesidad de conocimientos técnicos.
La nueva frontera: de reportar a anticipar
El People Analytics clásico mira atrás.
Explica qué pasó.
Con Claude:
descubres patrones que no estabas buscando
simulas escenarios antes de ejecutarlos
diseñas el sistema de datos que necesitarás mañana
No es “hacer dashboards más rápido”.
Es cambiar las preguntas que puedes hacer.
Y eso redefine el rol de HR.
Antes: ordenar datos y reportarlos bien.
Ahora:
hacer buenas preguntas
interpretar sistemas complejos
convertir análisis en decisiones reales
Claude no hace eso por ti.
Pero hace posible hacerlo a una velocidad y profundidad que antes requerían equipos enteros.
La pregunta no es si usarás IA en People Analytics.
Es para qué la vas a usar.