Redacción. Hasta hace poco, los departamentos de recursos humanos solo utilizaban ChatGPT para escribir simples prompts enfocados a redactar ofertas de empleo, diseñar planes de formación o realizar consultas básicas.
Sin embargo, tecnologías de integración como el Model Context Protocol (MCP) han llegado para cambiar esa lógica de raíz y ofrecer soluciones más útiles para las empresas, como veremos más adelante.
Igual que el USB-C acabó con los cajones llenos de cables inservibles, este estándar abierto aspira a que cualquier asistente de inteligencia artificial (IA), por ejemplo ChatGPT, pueda "enchufarse" a cualquier sistema de RRHH con un único conector universal.
En este artículo exploramos por qué conectar el software de RRHH con ChatGPT a través del protocolo MCP permite mejorar la gestión de recursos humanos sin disparar costes como los hacen los sistemas SaaS tradicionales.
¿Para qué sirve la conexión con ChatGPT por MCP en recursos humanos?
El servidor MCP expone todo el contexto y las capacidades del software de RRHH en un lenguaje estandarizado que ChatGPT (y también otros asistentes de IA como Claude o Gemini) puede razonar y operar de forma autónoma.
Esto permite que los asistentes gestionen procesos complejos mediante lenguaje natural o comandos de voz en tiempo real, sin necesidad de cambiar la base de datos o el software de personal que la empresa ya utiliza.
Ejemplos de uso por áreas de gestión
| Área de RRHH | Funcionalidad de ChatGPT mediante MCP | Caso de uso práctico |
|---|---|---|
| Control horario y jornada | Corrección automatizada de incidencias | La IA detecta un fichaje olvidado, consulta al empleado por chat y regulariza el registro de jornada en el sistema. |
| Gestión de nóminas | Consolida incidencias y prenóminas | Herramientas como ChatGPT o Claude consultan datos financieros y laborales directamente sin descargar archivos Excel. |
| Portal del empleado | Asistente conversacional de políticas | El trabajador resuelve dudas en lenguaje natural (ej. "¿Cuántos días de paternidad me corresponden según el convenio?"). |
| Selección de personal (ATS) | Criba de talento por habilidades | El modelo analiza CVs en el software de selección, extrae competencias y genera un ranking dentro de la red privada. |
| Onboarding | Asignación de accesos y formación | Al contratar a alguien, la IA da de alta accesos corporativos, asigna cursos obligatorios y envía la bienvenida. |
| Evaluación del desempeño | Análisis de OKRs y feedback | Análisis cruzado de métricas históricas para sugerir planes de desarrollo y redactar resúmenes objetivos para mánagers. |
| People Analytics | Extracción contextual de rotación | La dirección consulta en tiempo real "¿Por qué aumenta la rotación en el equipo técnico?" y ChatGPT argumenta con datos del sistema. |
| Business Intelligence | Generación de reportes financieros | Traducción de bases de datos para renderizar gráficos de costes laborales al instante ante peticiones como "Muéstrame la evolución del coste por empleado". |
Para entender el alcance de este estándar, gigantes enterprise como Workday ya ofrecen guías e integraciones (como CData Connect AI Workday MCP Server) para mapear nóminas y empleados en Claude Desktop.
Otros software de RRHH como Kronjop son pioneros en ofrecer un complemento para integrar el programa con ChatGPT, lo que permite automatizar procesos complejos como filtrar candidatos, verificar turnos o consultar nóminas en tiempo real desde una única ventana de chat y usando el lenguaje natural o la voz.
Esta evolución se alinea con la visión de la industria señalada por Sundar Pichai, CEO de Alphabet, sobre la integración de asistentes conversacionales (Gemini) que ejecutan acciones complejas e interconectadas entre correo, documentos y bases de datos.
Ventajas competitivas del modelo ChatGPT/MCP frente al SaaS tradicional
- Eliminación de la dependencia del proveedor (lock-in)
En un SaaS tradicional estás obligado a utilizar la IA que el proveedor decida integrar. Con la conexión MCP, tu empresa decide si conecta ChatGPT, Claude, Gemini o un modelo propio, unificando herramientas dispersas (como Canva o HubSpot) bajo una sola interfaz de IA.
- Diseño de skills propias y personalizadas
Al disponer de un conector abierto, las empresas pueden diseñar agentes con habilidades (skills) a medida sobre sus asistentes. Siguiendo metodologías como las planteadas por Anthropic para Claude, es posible programar skills específicas que ejecuten flujos de trabajo avanzados de RRHH, como auditorías automáticas de fichajes o cálculo de retenciones, ajustadas a la normativa interna de la empresa.
- Gobernanza, ciberseguridad y control de errores
El estándar MCP introduce una capa de seguridad unificada para el equipo de IT. Permite auditar desde un único panel qué campos de la base de datos de empleados puede leer la IA y garantizar el cumplimiento del RGPD —ya que el protocolo transmite consultas cifradas en tiempo real sin almacenar datos en servidores externos—.
Además, facilita la implantación de la supervisión humana (human in the loop) exigida por el artículo 14 del AI Act europeo: para acciones críticas o modificación de datos sensibles, la IA propone la acción en el chat pero requiere la confirmación explícita del responsable antes de ejecutar cualquier cambio en el sistema.
- Escalabilidad económica (Coste de propiedad plano / TCO)
En los sistemas tradicionales, cada nueva base de datos o herramienta externa que se quiere conectar requiere un desarrollo independiente de código y un mantenimiento constante.
Gracias al MCP, la infraestructura de servidor creada reutiliza la conexión para cualquier nuevo agente, asistente o herramienta de IA que la empresa incorpore en el futuro. Esto mantiene el coste de integración prácticamente plano y reduce drásticamente el coste total de propiedad tecnológica (TCO).
Hoja de ruta: Cómo se despliega la arquitectura MCP en la gestión de personal
Desplegar el protocolo MCP para conectar un asistente de IA como ChatGPT con el software de recursos humanos de la empresa requiere cinco fases técnicas y operativas:
- Fase 1: Auditoría de datos y gobernanza de la plantilla
Esta fase inicial localiza los silos de información en plataformas como Workday, SuccessFactors, Slack o bases de datos internas, priorizando casos de uso, por ejemplo, el cribado de CV o el onboarding de empleados.
Su objetivo es establecer políticas estrictas de gobernanza bajo normativas como el AI Act y el RGPD para proteger los datos personales sensibles ante la integración con modelos de inteligencia artificial.
- Fase 2: Arquitectura y despliegue técnico de servidores MCP
Consiste en configurar el cliente MCP (como ChatGPT, Claude Desktop o Gemini) y desplegar servidores específicos mediante HTTP transmisible para conectar las API de recursos humanos vía JSON-RPC 2.0.
En este punto se exponen las tres capacidades nativas del estándar: Resources (acceso de lectura a información de Workday, Slack o bases de datos internas), Prompts (plantillas reutilizables para automatizar flujos de texto) y Tools (funciones de ejecución para que la IA realice acciones directas en los sistemas corporativos).
- Fase 3: Integración y automatización de flujos en recursos humanos
Esta etapa unifica las herramientas conectando el servidor MCP con el software corporativo. Por ejemplo, la IA se conecta directamente al sistema de seguimiento de candidatos (Applicant Tracking System, ATS) para realizar un cribado objetivo de aspirantes, resolver consultas de empleados sobre el saldo de vacaciones sin intermediarios en el software de nóminas y analizar las evaluaciones de rendimiento cruzando datos de distintos departamentos.
- Fase 4: Seguridad, control de accesos y auditoría de IA
Se enfoca en blindar el sistema implementando protocolos OAuth corporativos para garantizar que la IA solo acceda a la información según el rol del usuario, impidiendo, por ejemplo, que un empleado vea el salario de otro.
Asimismo, se configuran registros de logs para monitorizar cada petición JSON-RPC realizada por los modelos y se ejecutan pruebas de sesgo para prevenir discriminaciones en contrataciones o ascensos.
- Fase 5: Escalamiento en la nube y optimización continua
La fase final aloja los servidores MCP en la nube para que se puedan actualizar al instante. Paralelamente, se implementan programas de capacitación para que el personal de recursos humanos domine la interacción con los agentes conversacionales.
Marco regulatorio y ciberseguridad: AI Act y RGPD en integraciones MCP
Para evitar sanciones de la AEPD y la AESIA al integrar el software con ChatGPT mediante MCP, deben cumplirse estos requisitos legales:
- Supervisión humana (Art. 14 AI Act): Ninguna acción de la IA se ejecuta sola. Si una herramienta (tool) propone un cambio de turno o sanción, un mánager debe aprobarlo siempre en pantalla (human in the loop).
- Decisiones no automáticas (Art. 22 RGPD): Está prohibido que la IA despida o evalúe personal de forma vinculante. Además, los recursos (resources) deben bloquear su acceso a bajas médicas, sindicación o datos biométricos.
- Registro obligatorio (Art. 50 AI Act / Art. 30 RGPD): Cada consulta debe guardarse en un registro inmutable (RAT). El servidor grabará quién preguntó, qué plantilla (prompt) usó, qué dato leyó y qué respondió la IA.
- Privacidad total (Contratos ZDR): Exige cláusulas de retención de datos cero (Zero Data Retention). Esto garantiza por contrato que OpenAI, Anthropic o Google no usarán los datos de tus empleados para entrenar sus modelos.
