Liquidar sueldos ya no alcanza. Auditar la liquidación, sí.

Si un algoritmo ya puede ser tu jefe —y en Argentina hay sentencia firme sobre eso—, también puede ser el que decide, en silencio, cuánto cobrás este mes. No con mala intención. Con un error que nadie audita porque se asume que el sistema no se equivoca.

Ese es el primer terreno concreto donde la IA ya entró en Recursos Humanos, y probablemente el que menos ruido hace: la liquidación de sueldos.

De calcular a auditar. Durante décadas, liquidar sueldos fue sinónimo de calcular a mano: básico, más adicionales, menos descuentos, igual neto. Ese cálculo hoy lo hace un sistema en segundos. Lo que cambió no es la fórmula. Cambió el rol de la persona que está delante de la pantalla.

Cuando el cálculo se automatiza, la tarea que queda —y la que un sistema todavía no puede hacer solo— es auditar: revisar si lo que el sistema calculó respeta la norma vigente, el convenio aplicable y la historia de ese trabajador en particular. Auditar exige entender por qué un número es correcto, no solo confiar en que lo es. Esa comprensión profunda de la normativa es, hoy, más valiosa que la velocidad de cálculo.

La Administración de las Remuneraciones no nació con la computadora. Como disciplina dentro de la gestión de Recursos Humanos, se estructura sobre dos principios que siguen vigentes hoy, automatización mediante: la equidad interna —que dos puestos de responsabilidad comparable reciban una compensación comparable dentro de la misma organización— y la equidad externa —que esa compensación no se aleje demasiado de lo que paga el mercado o fija el convenio colectivo aplicable—. Cualquier sistema de liquidación, por sofisticado que sea, ejecuta reglas: no decide si esas reglas son equitativas ni si siguen vigentes. Esa evaluación sigue siendo un juicio humano, apoyado en normativa y en información de mercado, no una función que un algoritmo resuelva por sí solo.

Además, la remuneración de un trabajador argentino nunca fue un número único. Se compone de conceptos remunerativos —los que integran la base de cálculo para aportes, contribuciones e indemnizaciones— y conceptos no remunerativos —los que, por definición legal o convencional, quedan fuera de esa base—. El artículo 103 de la Ley de Contrato de Trabajo (Ley 20.744) define la remuneración como la contraprestación que debe percibir el trabajador como consecuencia del contrato de trabajo, y es el resto del articulado, junto con el convenio colectivo de cada actividad, el que decide, concepto por concepto, dentro de qué categoría cae cada ítem del recibo.

Vista así, la digitalización de la liquidación no cambió el fondo del problema, lo desplazó. En los años noventa y dos mil, liquidar mal significaba errar una fórmula en una planilla de cálculo. Con los sistemas integrados de gestión de la década siguiente, el riesgo se trasladó a la parametrización: si el sistema estaba mal configurado, replicaba el mismo error en todos los recibos del mes, en lugar de en uno solo. Con la inteligencia artificial de esta década, el riesgo cambia de naturaleza otra vez: el sistema puede tener la parametrización correcta y, aun así, no advertir que esa parametrización dejó de ser la que corresponde según la norma vigente, porque desde el punto de vista estadístico no hay ninguna anomalía que marcar. Un detector de anomalías busca variaciones respecto de un patrón, no incumplimientos respecto de una norma.

El terreno normativo 2026 que hay que dominar. La liquidación de sueldos en Argentina cambió de forma significativa en los últimos dos años, y quien audita necesita conocer estos cuatro puntos de memoria:

Estos cuatro cambios se suman a una capa que nunca dejó de estar presente y que ningún sistema resuelve por sí solo: el convenio colectivo de trabajo aplicable a cada actividad. La Ley de Contrato de Trabajo fija el piso —qué es remuneración, qué garantías mínimas existen, cómo se calcula el salario mínimo vital y móvil—, pero buena parte de los adicionales, categorías, porcentajes de antigüedad y conceptos no remunerativos que aparecen en un recibo real surgen de la negociación colectiva de cada sector. Auditar una liquidación implica, entonces, cruzar tres capas a la vez: la ley general, el convenio específico de la actividad y la configuración particular del sistema que usa la empresa. Ninguna herramienta de inteligencia artificial disponible hoy en el mercado argentino integra por sí sola esas tres capas sin supervisión humana.

Qué hace hoy la inteligencia artificial en una liquidación argentina. La IA aplicada a nómina ya no se limita a acelerar la carga de datos. Los sistemas actuales cruzan horas extra con presentismo, concilian ausentismo con certificados médicos digitales y, en las plataformas más avanzadas, auditan el cien por ciento de las liquidaciones antes de que se pague un solo recibo, marcando variaciones inusuales para que un analista las revise.

Esa es la regla sana que conviene incorporar ya: la tecnología acelera la revisión, no reemplaza la validación humana. Un sistema puede decir "esto es distinto a lo esperado". Solo una persona que entiende el proceso puede decir "esto está bien" o "esto hay que corregirlo antes de que se convierta en un problema".

A estos mecanismos se suman otros dos que están creciendo rápido en el mercado argentino. Por un lado, la integración por API en tiempo real entre el sistema de nómina y las plataformas de control de presentismo, los bancos y organismos como ARCA, que elimina buena parte de la carga manual de datos pero traslada el riesgo de error al momento mismo de la integración. Por otro lado, empiezan a aparecer asistentes virtuales con inteligencia artificial generativa pensados para ayudar a armar fórmulas de liquidación de conceptos complejos, una tarea que hasta hace poco exigía conocimiento avanzado del sistema. Cuanto más fácil se vuelve crear una fórmula, más importante se vuelve que alguien pueda verificar si esa fórmula sigue siendo compatible con la norma vigente y con el convenio aplicable.

Los dos casos, leídos juntos, muestran el mismo punto desde dos ángulos: un sistema puede estar calculando perfectamente bien la fórmula que tiene cargada y, aun así, estar liquidando mal — porque la fórmula clasifica algo de forma incorrecta, o porque quedó un paso atrás de la norma vigente. En ninguno de los dos casos el error aparece como una anomalía estadística. En los dos casos, lo que lo destraba es la misma habilidad: entender la norma lo suficiente como para dudar de un número que, en apariencia, está perfecto.

Por qué esta habilidad blinda tu empleabilidad. Nadie te va a preguntar en una entrevista si sabés cargar novedades en un sistema. Eso lo espera cualquier empleador como piso mínimo. Lo que te distingue es poder mostrar que entendés por qué un número está bien o está mal, más allá de lo que diga la pantalla. Esa es la diferencia entre operar una herramienta y estar en condiciones de auditarla.