Puntos Clave
- Saturación del sistema: más del 70% de las empresas medianas y grandes ya opera con Applicant Tracking Systems potenciados por IA, con una reducción de los tiempos de cribado estimada en el 75%.
- Tecnología dominante: plataformas de videoentrevista asíncrona (tipo HireVue, Pymetrics) que procesan lenguaje corporal, tono de voz y microexpresiones para generar una puntuación predictiva de permanencia y ajuste al puesto.
- Riesgo sistémico: el sesgo algorítmico, documentado en el caso Amazon 2018, no elimina la discriminación histórica presente en los conjuntos de datos de entrenamiento, la industrializa a una velocidad y escala superiores, mientras que el marco AI Act europeo clasifica estos sistemas como de "alto riesgo".
El colapso estructural del funnel de selección
El dato de partida es una relación entrada/salida degradada casi a cero: 47 candidaturas enviadas, 31 sin respuesta, 12 rechazadas por un correo automático generado fuera de horario, 4 filtradas por una entrevista en vídeo con preguntas construidas en tiempo real a partir del perfil de LinkedIn del candidato. Ningún operador humano ha atravesado el proceso. Esto no es un caso aislado, es la fotografía operativa del estado actual del reclutamiento industrial, donde el volumen de candidaturas por puesto de nivel inicial en una multinacional oscila entre 250 y 500 perfiles, una cifra incompatible con cualquier proceso de evaluación manual a esa escala.
La respuesta del mercado ha sido la automatización integral de la cadena: generación de anuncios optimizados para la indexación, análisis de currículums con asignación de una puntuación de compatibilidad en segundos, entrevistas asíncronas con análisis paralingüístico, modelos predictivos sobre la probabilidad de aceptación de la oferta y sobre el riesgo de rotación en los próximos doce meses. Las métricas operativas declaradas por los proveedores hablan de una reducción de los tiempos de cribado del 75% y una compresión de los costes de proceso de hasta el 40%. La condición que impulsa esta adopción es la desproporción estructural entre el volumen de candidaturas y la capacidad de procesamiento humano, no una preferencia tecnológica.
Sesgo codificado: la herencia de los datos históricos
El nudo crítico está en el origen del conjunto de entrenamiento. Los algoritmos de machine learning no generan criterios de selección desde cero, los extraen de patrones históricos de contratación. Amazon, en 2018, tuvo que desactivar un motor de cribado que penalizaba sistemáticamente los currículums que contenían la cadena "women's", consecuencia directa de una década de conjuntos de datos dominados por contrataciones masculinas. Se han detectado patrones similares en entidades bancarias y despachos de abogados, donde los modelos aprendieron a favorecer nombres con marcadores étnicos específicos, trayectorias académicas predefinidas y estructuras lingüísticas estandarizadas.
El efecto neto no es la neutralización del prejuicio humano que promete el sector proveedor de estas plataformas, es su replicación a velocidad industrial y sin el correctivo del juicio contextual que un seleccionador humano, por imperfecto que sea, todavía puede ejercer.
Deshumanización del proceso y límites científicos de la métrica
Los sistemas de videoentrevista basados en IA miden rasgos de personalidad y capacidades cognitivas mediante el análisis facial y vocal, transformando la entrevista de un intercambio relacional en una prueba de conformidad conductual respecto a un modelo estadístico. La comunidad académica y los activistas por la privacidad cuestionan la solidez científica de estas métricas, señalando un riesgo concreto de discriminación hacia personas neurodivergentes o con discapacidades motrices, para quienes el patrón vocal o facial que espera el modelo es estructuralmente irreplicable.
Asimetría de acceso y ghosting algorítmico
La automatización genera un efecto de selección a doble vía. Quien posee las competencias digitales para optimizar el perfil con las palabras clave correctas y para desenvolverse bien frente a una cámara accede a una ventaja competitiva medible en la puntuación de compatibilidad. Quien no dispone de una conexión estable para una entrevista en vídeo asíncrona, o escribe en un idioma que no es el suyo materno aun poseyendo competencias técnicas sólidas, queda filtrado fuera del sistema sin retroalimentación y sin posibilidad de apelación. El fenómeno del ghosting algorítmico, la exclusión silenciosa sin motivo rastreable, genera un nivel creciente de frustración entre los candidatos de larga duración y los segmentos más jóvenes de la fuerza laboral.
Marco regulatorio: la supervisión humana como requisito de cumplimiento
El correctivo emergente no es tecnológico, es normativo. El AI Act europeo clasifica los sistemas de cribado para la contratación como de "alto riesgo", imponiendo requisitos de transparencia, trazabilidad decisional y derecho a la revisión humana. Las organizaciones con mayor madurez operativa están adoptando modelos híbridos, delegando en la IA las funciones repetitivas de bajo valor decisional, análisis de currículums, programación de entrevistas, verificación de referencias, manteniendo el control humano en los nodos críticos de la decisión final.
Proyección
El riesgo estructural a medio plazo no es la eficiencia del filtro, es su deriva selectiva hacia lo que resulta cuantificable: años de experiencia, certificaciones, correspondencia léxica. Las variables no medibles por el algoritmo, creatividad, resiliencia, capacidad de adaptación no lineal, quedan fuera del perímetro de puntuación. El mercado laboral corre el riesgo de converger hacia perfiles históricamente favorecidos en lugar de hacia competencias emergentes, un efecto de dependencia de trayectoria algorítmica que ninguna normativa de transparencia, por sí sola, es capaz de corregir.
