Ir al contenido
K
EU AI Act: No alto riesgo Q3

Learning Path Recommendation Agent

Itinerarios formativos personalizados - basados en brechas, objetivos y contenido disponible.

Recomienda itinerarios formativos personalizados según competencias, requisitos del puesto y aspiraciones de carrera. No vinculante.

Panel de puntuaciones

Agent Readiness 64-71%
Governance Complexity 34-41%
Economic Impact 48-55%
Lighthouse Effect 54-61%
Implementation Complexity 44-51%
Volumen de transacciones Semanal

Qué hace este agente

Con catálogos formativos crecientes que contienen cientos o miles de cursos, los empleados enfrentan una paradoja de elección: demasiadas opciones y ninguna guía clara sobre qué aprender a continuación. El Learning Path Recommendation Agent resuelve esto generando recomendaciones personalizadas basadas en múltiples entradas.

El agente considera el perfil de competencias actual del empleado (desde evaluaciones y certificaciones), los requisitos de su puesto (desde la arquitectura de puestos), sus aspiraciones de carrera (desde conversaciones de desarrollo), las prioridades formativas de la organización (del Training Needs Analysis Agent) y el contenido formativo disponible (del catálogo del LMS). Genera un itinerario formativo recomendado que aborda las brechas más relevantes en una secuencia óptima, usando el formato de contenido más apropiado.

Las recomendaciones no son vinculantes. El empleado y su responsable deciden qué seguir. El agente sugiere - no ordena. Esto mantiene baja la complejidad de gobernanza mientras entrega la guía personalizada que mejora la efectividad y engagement formativo.

Tabla de microdecisiones

Humano
Motor de reglas
Agente IA
Cada fila es una decisión. Expanda para ver el registro de decisión y si se puede impugnar.
Evaluar perfil actual Compilar competencias, certificaciones y formación completada del empleado Agente IA

Ensamblaje automatizado de perfil desde datos del LMS, competencias y rendimiento

Registro de decisión

Versión del modelo y puntuación de confianza
Datos de entrada y resultado de clasificación
Justificación de la decisión (explicabilidad)
Rastro de auditoría con trazabilidad completa

Impugnable: Sí - completamente documentado, revisable por humanos, objeción mediante proceso formal.

Identificar prioridades de desarrollo Determinar qué brechas de competencias abordar según puesto y objetivos de carrera Agente IA

Ranking de prioridades desde análisis de brechas y preferencias del empleado

Registro de decisión

Versión del modelo y puntuación de confianza
Datos de entrada y resultado de clasificación
Justificación de la decisión (explicabilidad)
Rastro de auditoría con trazabilidad completa

Impugnable: Sí - completamente documentado, revisable por humanos, objeción mediante proceso formal.

Vincular contenido a brechas Seleccionar contenido formativo que aborde las prioridades identificadas Agente IA

Matching contenido-brecha basado en resultados de aprendizaje y etiquetas de competencia

Registro de decisión

Versión del modelo y puntuación de confianza
Datos de entrada y resultado de clasificación
Justificación de la decisión (explicabilidad)
Rastro de auditoría con trazabilidad completa

Impugnable: Sí - completamente documentado, revisable por humanos, objeción mediante proceso formal.

Optimizar secuencia de aprendizaje Organizar contenido recomendado en progresión óptima de aprendizaje Agente IA

Secuenciación basada en relaciones de prerrequisito y ciencia del aprendizaje

Registro de decisión

Versión del modelo y puntuación de confianza
Datos de entrada y resultado de clasificación
Justificación de la decisión (explicabilidad)
Rastro de auditoría con trazabilidad completa

Impugnable: Sí - completamente documentado, revisable por humanos, objeción mediante proceso formal.

Presentar recomendación al empleado Mostrar itinerario formativo personalizado con explicación Agente IA

Presentación de recomendación con justificación para cada sugerencia

Registro de decisión

Versión del modelo y puntuación de confianza
Datos de entrada y resultado de clasificación
Justificación de la decisión (explicabilidad)
Rastro de auditoría con trazabilidad completa

Impugnable: Sí - completamente documentado, revisable por humanos, objeción mediante proceso formal.

Recopilar feedback del empleado Registrar respuesta del empleado (aceptada, modificada, declinada) Humano

Autonomía del empleado en decisiones de itinerario formativo

Registro de decisión

ID del decisor y rol
Justificación de la decisión
Marca de tiempo y contexto

Impugnable: Sí - a través del superior, Comité de Empresa o proceso formal de objeción.

Registro de decisión y derecho a impugnar

Cada decisión que este agente toma o prepara se documenta en un registro de decisión completo. Los empleados afectados pueden revisar, comprender e impugnar cada decisión individual.

¿Qué regla en qué versión se aplicó?
¿En qué datos se basó la decisión?
¿Quién (humano, motor de reglas o IA) decidió - y por qué?
¿Cómo puede la persona afectada presentar una objeción?
Cómo el Decision Layer lo implementa arquitectónicamente →

Requisitos previos

  • Sistema de gestión del aprendizaje con catálogo de cursos y metadatos
  • Perfiles de competencias y datos de evaluación de empleados
  • Requisitos de competencias por puesto
  • Entradas de objetivos de carrera del empleado (desde conversaciones de desarrollo)
  • Prioridades de necesidades formativas (idealmente del Training Needs Analysis Agent)
  • Calificaciones de calidad y efectividad de contenido

Notas de governance

EU AI Act: No alto riesgo
No clasificado como alto riesgo bajo el Reglamento de IA - las recomendaciones no son vinculantes y no afectan condiciones de empleo. El RGPD aplica a los datos personales utilizados para generación de recomendaciones (perfiles de competencias, objetivos de carrera, historial formativo). Los empleados deben ser informados de que las recomendaciones son generadas por IA. El agente no debe crear presión para seguir recomendaciones que las haga de facto obligatorias. Los derechos de información del Comité de Empresa pueden aplicar a la introducción de sistemas de recomendación formativa basados en IA.

Contribución a la infraestructura

El Learning Path Recommendation Agent construye el motor de matching contenido-competencia y personalización que mejora el valor de toda la infraestructura formativa. Crea el bucle de retroalimentación entre necesidades formativas (lo que la organización necesita) y contenido de aprendizaje (lo que está disponible) que permite la optimización continua de L&D. Construye Decision Logging y Audit Trail utilizados por el Decision Layer para la trazabilidad e impugnabilidad de cada decisión.

Preguntas frecuentes

¿Son obligatorias las recomendaciones de formación?

No. Las recomendaciones son sugerencias basadas en el perfil y objetivos del empleado. El empleado y su responsable deciden qué recomendaciones seguir. El agente sugiere - no asigna.

¿Cómo evalúa el agente la calidad del contenido?

El agente usa múltiples señales: tasas de completitud, calificaciones de participantes, tasas de aprobación de evaluaciones y (cuando están disponibles) indicadores de rendimiento post-formación. Con el tiempo, aprende qué tipos de contenido y formatos son más efectivos para cada brecha de competencias.

Implementar este agente?

Evaluamos su paisaje de procesos y mostramos como este agente encaja en su infraestructura.