Celonis y Uniper: agentes de IA que recortan 27 días la contratación

La lección que deja Uniper: un agente de IA sin contexto solo sabe divagar

Uniper, la energética alemana con unos 7.000 empleados y operaciones en gas, hidro, nuclear, solar y eólica, enfrentaba el problema clásico de cualquier equipo de RR. HH. moderno: un ATS cargado de datos que, en la práctica, se traducían en hojas Excel subidas a mano a Power BI una vez al mes. Cuando la empresa preguntó a un agente de IA —construido sobre Microsoft Copilot Studio— "¿cuáles son los cuellos de botella en el proceso de selección?", la respuesta fue una lista de lugares comunes: "fragmentación de datos", "sobrecarga del responsable de contratación" y "falta de visibilidad de las tareas" (información basada en datos de Byte TI).

La misma pregunta, pero con el Celonis Context Model como capa de contexto, devolvió algo muy distinto: "Hay 27 candidatos en diversas ofertas de empleo que llevan más de 14 días en la lista de preseleccionados". Y lo específico para cada miembro del equipo. El equipo pasó el agente a producción y los resultados, según lo reportado por Byte TI y confirmado por diginomica, fueron:

• Tiempo medio hasta la firma del candidato: 27 días menos.
• Fase de cribado: 13 días más rápida.
• Respuestas accionables y personalizadas en lugar de generalidades.
• Mayor transparencia para actuar de forma proactiva.
• Menos tokens desperdiciados, porque la lógica empresarial ya está estructurada y el agente deja de "adivinar".

Qué es el Celonis Context Model y por qué cambia las reglas del juego

Celonis, fundada en Múnich y reconocida como Líder en el Gartner Magic Quadrant for Process Intelligence 2026, lleva años construyendo grafos de procesos a partir del data real de cada empresa. El Context Model es la evolución de ese trabajo: un gemelo digital dinámico que traduce cómo opera el negocio a un lenguaje que la IA entiende.

Su CPO, Dan Brown, lo explica así en SiliconANGLE: los modelos de IA no saben cómo se relacionan las facturas con los registros de envío porque esos datos están fragmentados y son propietarios. Sin esa base determinista —la "verdad operativa"— ningún agente puede ser fiable en producción. En mayo de 2026, Celonis adquirió Ikigai Labs para sumar capacidades de planificación, simulación e inferencia causal a ese contexto y llevar el modelo de "lo que pasa ahora" a "lo que va a pasar".

Para los fundadores hispanos esto significa algo muy concreto: si tu agente no entiende tu funnel, tu pricing o tu ciclo de cobro, no va a fallar de forma espectacular — va a fallar de forma silenciosamente cara, dándote respuestas plausibles pero equivocadas.

Por qué Uniper eligió RR. HH. como campo de pruebas

Lo interesante del caso, como subraya diginomica, es que los datos de recursos humanos están clasificados como de "alto riesgo" por la regulación europea (AI Act). Que Uniper pusiera en producción un agente en esa función —en una energética altamente regulada— es una señal fuerte de que el problema del contexto se considera resuelto.

Laurids Lanzendörfer, Head of Talent Acquisition, fue tajante sobre lo que el agente no hace: no habla con candidatos, no selecciona personas. Su trabajo es otro: recordar al manager que tiene entrevistas pendientes, mostrarle briefings de sus vacantes, ayudar a los recruiters a derivar candidatos a otras posiciones abiertas. Es decir, automatizar la administración del proceso, no la decisión humana sobre las personas.

El atajo que Uniper ya tenía pagado

Uniper llevaba unos ocho años usando Celonis para mantenimiento de plantas —no para finanzas, como la mayoría de clientes— y tenía un Center of Excellence con analistas y consultores. Además, era premium partner de Microsoft desde hacía dos años, con acceso universal a Copilot. Pero el Copilot genérico estaba sirviendo sobre todo para redactar correos y resumir textos, según contó diginomica. Lo que faltaba era la capa de contexto.

La alianza Celonis–Microsoft que integraba la inteligencia de procesos como workload en Microsoft Fabric fue la pieza que lo cambió todo. Sin nuevas negociaciones, sin costes extra: los datos ya estaban ahí, los procesos ya estaban modelados, y solo hacía falta juntar las piezas. Dos hackatones bastaron para validar el caso.

Qué aprenden de esto las startups hispanohablantes

El caso Uniper–Celonis es el ejemplo perfecto de por qué "comprar la herramienta de RR. HH. con IA" no es suficiente, como reconoció el propio Lanzendörfer a diginomica. Hay tres lecciones aplicables:

1. Tu "system of record" es tu verdadera ventaja competitiva. Los modelos fundacionales son commodities. Lo que diferencia la salida de tu agente es el grafo de procesos que tú mismo construyas sobre tus datos. Sin ese grafo, el agente improvisa.

2. Empieza por donde duele, no por donde brilla. RR. HH. parece aburrido comparado con un copiloto de ventas, pero es donde Uniper demostró valor medible (27 días menos de time-to-sign). Busca procesos donde puedas cuantificar el antes y el después con un solo número.

3. Elige proveedores que ya estén pre-aprobados por tu governance. El equipo de Uniper destaca que los proyectos de IA con vendors existentes superaban los filtros regulatorios mucho más rápido. Para una startup que aspire a vender a grandes corporativos, alinearse con stacks consolidados (Microsoft, SAP, Oracle, AWS) reduce el coste de venta futuro.

¿Qué significa esto para tu startup?

Si estás construyendo o desplegando agentes de IA, el caso Uniper te obliga a hacerte una pregunta incómoda: ¿tu agente realmente entiende tu negocio, o solo sabe hablar bien?

Acciones concretas que puedes aplicar esta semana:

• Audita una respuesta reciente de tu agente. Pídele algo accionable y compara el resultado con lo que diría alguien que conozca tu operación. Si solo obtienes generalidades, te falta contexto, no modelo.
• Mapea tres procesos críticos con criterios medibles. Antes de invertir en IA, modela el ciclo de cobro, el funnel de ventas o la atención al cliente. Necesitas un grafo de procesos —aunque sea en una hoja de cálculo al principio— para que el agente tenga dónde apoyarse.
• Explora integraciones nativas antes de comprar nuevo stack. Si ya usas Microsoft 365, SAP u Oracle, mira qué workloads de contexto (como el de Celonis en Microsoft Fabric) ya están disponibles sin renegociar contratos.

El mensaje de fondo lo resume el presidente de Celonis, Carsten Thoma, en SiliconANGLE: "La IA es tan buena como el contexto que tiene". Para una startup, eso significa que el próximo trimestre no se compite por tener el mejor modelo, sino por tener el mejor mapa de cómo funciona tu propio negocio.

Fuentes

• Celonis y Uniper agilizan la gestión del talento con agentes de IA
• Uniper feeds Celonis context into Microsoft Copilot to energize HR AI agents — diginomica
• Celonis buys decision-intelligence startup Ikigai Labs — SiliconANGLE
• Celonis Unveils The Context Model And Acquires Ikigai Labs — Pulse 2.0
• Celonis Recognized as a Leader in the 2026 Gartner Magic Quadrant — Yahoo Finance